基于核稀疏表示的属性选择算法
【出 处】:
【作 者】:吕治政 李扬定 雷聪
【摘 要】为解决高维数据在分类时造成的"维数灾难"问题,提出一种新的将核函数与稀疏学习相结合的属性选择算法。具体地,首先将每一维属性利用核函数映射到核空间,在此高维核空间上执行线性属性选择,从而实现低维空间上的非线性属性选择;其次,对映射到核空间上的属性进行稀疏重构,得到原始数据集的一种稀疏表达方式;接着利用L1范数构建属性评分选择机制,选出最优属性子集;最后,将属性选择后的数据用于分类实验。在公开数据集上的实验结果表明,该算法能够较好地实现属性选择,与对比算法相比分类准确率提高了约3%。
相关热词搜索:属性选择; 非线性; 核函数; 稀疏学习; L1范数;
上一篇:基于CNN-SVM的护理不良事件文本分类研究
下一篇:基于差分变异算子的烟花算法