基于局部结构学习的非线性属性选择算法

作者：李佳烨; 张乐园; 雷聪; 甘江璋; 吕治政

来源：计算机应用研究, 2020, 37(02): 430-433+464.

DOI：10.19734/j.issn.1001-3695.2018.07.0524

• 属性选择
• 核函数
• 低秩
• 局部结构学习
• 稀疏正则化 feature selection
• kernel function
• low-rank
• local structure learning
• sparse regularization

针对大多数高维数据之间不仅有相似性,而且还有非线性关系等特点,提出一种基于局部结构学习的非线性属性选择算法。该算法首先通过核函数把数据映射到高维空间,在高维空间中表示出数据属性之间的非线性关系;然后在低维空间中通过局部结构学习来充分挖掘属性之间的相似性,同时通过低秩约束来排除噪声的干扰;最后通过稀疏正则化因子来进行属性选择、核函数映射来找出数据属性之间的非线性关系、局部结构学习来找出数据属性之间的相似性。该算法是一种嵌入了局部结构学习的非线性属性选择算法。实验结果表明,该算法相比其他的对比算法,有更好的效果。

• 单位
  广西师范大学