典型文献
基于核统计独立性准则的特征选择研究综述
文献摘要：
希尔伯特-施密特独立性准则(Hilbert-Schmidt independence criterion,HSIC)是一种基于核函数的独立性度量标准,具有计算简单、收敛速度快和偏差低等优点,广泛应用于统计分析和机器学习问题中.特征选择是一种有效的降维技术,它能评估特征的重要性,并构造适合学习任务的最优特征子空间.系统综述了基于HSIC的特征选择方法,详细介绍了其中的理论基础、算法模型和求解方法,分析了基于HSIC的特征选择的优点与不足,并对未来的研究做出展望.
文献关键词：
特征选择;希尔伯特-施密特独立性准则;核方法;机器学习
中图分类号：
作者姓名：
胡振威;汪廷华;周慧颖
作者机构：
赣南师范大学 数学与计算机科学学院,江西 赣州 341000
文献出处：
引用格式：
[1]胡振威;汪廷华;周慧颖-.基于核统计独立性准则的特征选择研究综述)[J].计算机工程与应用,2022(22):54-64
A类：
HSIC
B类：
特征选择,希尔伯特,施密特,Hilbert,Schmidt,independence,criterion,核函数,度量标准,收敛速度,学习问题,降维技术,学习任务,优特,特征子空间,系统综述,选择方法,算法模型,求解方法,出展,核方法
AB值：
0.430119
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。
