典型文献
基于依赖最大化和稀疏回归的多标签特征选择
文献摘要：
针对基于稀疏回归的多标签特征选择方法中数据的特征和标签之间线性关系假设不成立的问题,提出一种基于依赖最大化和稀疏回归的多标签特征选择方法(multi-label feature selection with dependence maximization and sparse regres-sion,DMSR).构建数据的低维子空间,最大化低维空间与数据的标签空间之间的依赖性,使用希尔伯特-施密特独立性准则作为依赖性的计算依据,将数据从特征空间映射到该低维空间,设计一种交替优化的算法对稀疏回归模型进行求解,得到用于特征选择的投影矩阵.在多个不同类型的多标签数据集上的实验结果表明,所提算法的性能优于其它对比算法.
文献关键词：
多标签学习;特征选择;依赖最大化;稀疏回归;低维空间
中图分类号：
作者姓名：
吴喆君;黄睿
作者机构：
上海大学 通信与信息工程学院,上海 200444
文献出处：
引用格式：
[1]吴喆君;黄睿-.基于依赖最大化和稀疏回归的多标签特征选择)[J].计算机工程与设计,2022(07):1898-1904
A类：
依赖最大化,DMSR
B类：
稀疏回归,特征选择,选择方法,multi,label,feature,selection,dependence,maximization,sparse,regres,sion,低维子空间,低维空间,标签空间,希尔伯特,施密特,特征空间,空间映射,射到,交替优化,投影矩阵,标签数据集,对比算法,多标签学习
AB值：
0.343144
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
