本发明公开了一种多任务联合优化下的自适应特征选择算法,包括引入自适应流形结构优化,从而同时学习了两个任务之间的自适应共享相似性度量和相应的特征映射。最终实现分类任务和回归任务的联合优化。相比单任务学习,本方法性能更加可靠稳定,可以联合学习分类和回归任务下数据的流形结构并移除噪声,冗余和无关特征。具体来说,该方法首先采用灵活性更强的稀疏项和正则化项,分别用来拟合样本及实现稀疏特征选择,最终实现分类任务和回归任务的联合优化。相比单任务学习,本方法性能更加可靠稳定。
科研之友
微信
新浪微博
Facebook
分享链接
