典型文献
鲁棒联合稀疏不相关回归
文献摘要：
常见的无监督特征选择方法考虑的只是选择具有判别性的特征,而忽略了特征的冗余性,并且没有考虑到小类问题,故而影响到分类性能.基于此背景,提出鲁棒不相关回归算法.首先,对不相关回归进行研究,使用不相关正交约束,以便找出不相关但具有判别性的特征,不相关约束使得数据结构保持在Stiefel流形中,使模型具有封闭解,避免了传统的岭回归模型引发的可能的平凡解.其次,损失函数与正则化项使用L2,1范数,保证模型的鲁棒性,得到具有稀疏性的投影矩阵;同时将小类问题考虑进去,使投影矩阵数量不受类别数的限制,得到足够多的投影矩阵,从而提升模型的分类性能.理论分析和多个数据集上的实验结果表明,所提出的方法比其他特征选择方法具有更好的性能.
文献关键词：
特征选择;鲁棒;联合;不相关;回归;小类问题
中图分类号：
作者姓名：
李宗然;陈秀宏;陆赟;邵政毅
作者机构：
江南大学人工智能与计算机学院 江苏无锡214122;江苏省媒体设计与软件技术重点实验室 江苏无锡214122
文献出处：
引用格式：
[1]李宗然;陈秀宏;陆赟;邵政毅-.鲁棒联合稀疏不相关回归)[J].计算机科学,2022(02):191-197
A类：
小类问题
B类：
不相关回归,无监督特征选择,选择方法,法考,判别性,冗余性,故而,分类性能,回归算法,正交约束,不相关约束,得数,数据结构,结构保持,Stiefel,流形,封闭解,岭回归模型,平凡,损失函数,正则化,L2,范数,稀疏性,投影矩阵,进去,别数
AB值：
0.382155
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。
