特征选择是多模态高维数据机器学习的一个热点问题,而过拟合和过稀疏是特征选择需要克服的关键问题。对此提出以l1,2范数作为惩罚项兼顾稀疏作用和光滑作用,以组内稀疏来防止过拟合,以组间光滑来防止过稀疏,通过优化数据间的相关性来实现特征选择。然而对一般数据而言,群组信息又很难获得,所以对于群组信息缺失的数据,应用随机分组获得群组信息,最终实现兼顾组间光滑和组内稀疏优点的特征选择。模拟实验结果表明,该方法能较完整地选择出两模态数据间的关联特征,并且去除不相关特征。
科研之友
微信
新浪微博
Facebook
分享链接
