摘要

常用的特征选择方法利用样本空间的整个区域提取最优的特征子集.与此相反,提出一种新的局部特征选择方法,即样本空间的每个区域都与各自不同的最优特征集相关联,这些特征集能够最优地适应样本空间的局部变化.同时,在求解最优特征集对应的子空间时,基于最近邻思想,提出了一种度量测试数据与各个类相似性的方法,用来对测试样本进行分类.提出的方法可以描述为线性规划优化问题,因此可以通过简单的凸优化来求解全局最优解.在3组真实数据集和3个主流的方法上进行的对比实验,结果证明了该算法的可行性和有效性.

  • 单位
    吉林化工学院

全文