高维数据挖掘中基于稀疏回归的嵌入式特征提取方法  

作　　者：林书亮 

机构地区：[1]国防科学技术大学理学院系统科学与数学系,湖南长沙410073

出　　处：《中国西部科技》2013年第12期25-27,共3页Science and Technology of West China

基　　金：<弱监督特征学习>课题的其中的研究内容;受国家自然科学基金赞助

摘　　要：特征提取是高维数据降维的常用方法之一,特征提取的效果会直接影响后续处理方法的性能。本文提出了联合嵌入学习与稀疏回归进行特征提取的方法,在采用图的拉普拉斯变换描述数据特征的同时,添加了L2,1标准化稀疏约束进行特征选择。此外,本文还包括这种方法的收敛性,计算复杂度的分析,并在典型图像和生物实测数据上开展了方法验证,实验结果表明,该方法能有效地提取出所需的特征,且具有很高的准确率。与传统的非监督的特征提取方法相比,本文提出的方法综合了嵌入学习与稀疏回归的优点。

关 键 词：关键词 高维数据 特征提取 嵌入学习 稀疏回归 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]