针对传统特征选择算法在大数据集下选择能力差、选择效率低等问题，提出结合深度神经网络的特征选择算法实现高维数据的数据降维。首先，将特征选择嵌入到深度神经网络中去，利用L2,1范数对输入层与第一隐层之间的参数进行约束；其次，在训练模型过程中，利用梯度下降算法对模型的参数进行更新，训练结束后，利用这部分参数的稀疏性来选择特征；最后，在人造验证数据集、公共数据集和实际应用的工业质检数据集上对比了目前性能最佳的4种特征选择算法，实验结果证明了方法的有效性和优越性。
科研之友
微信
新浪微博
Facebook
分享链接
