基于最小平方QR分解的改进鲁棒特征选择

论文摘要

针对基于l2,p-范数的鲁棒特征选择方法存在的分类精度差问题,提出一种基于最小平方QR分解的鲁棒特征选择算法。将基于l2,p-范数的鲁棒特征选择问题转化为迭代重加权最小二乘问题,对目标函数进行求导得到权重,利用权重构造加权数据矩阵和加权类标签矩阵,最后用最小平方QR分解算法求解由两个加权矩阵构成的线性方程组问题。实验结果表明,该算法不仅收敛速度快,而且分类精度有所提高。

论文目录

• 1 鲁棒特征选择算法
•   1.1 矩阵范数
•   1.2 基于l2,1-范数的鲁棒特征选择算法
•   1.3 基于l2,p-范数的鲁棒特征选择算法
• 2 基于LSQR算法的鲁棒特征选择算法
• 3 实验结果及分析
•   3.1 实验设置
•   3.2 收敛性分析
•   3.3 分类精度对比
• 4 结语

文章来源

类型: 期刊论文

作者: 支晓斌,武少茹

关键词: 特征选择,最小平方分解,范数

来源: 西安邮电大学学报 2019年06期

年度: 2019

分类: 信息科技

专业: 计算机软件及计算机应用,自动化技术

单位: 西安邮电大学理学院,西安邮电大学通信与信息工程学院

基金: 国家自然科学基金资助项目(61671377,61102095,61571361,11401045),陕西省教育厅专项科学研究计划资助项目(18JK0719),西安邮电大学新星团队资助项目(xyt2016-01)

分类号: TP391.4;TP18

DOI: 10.13682/j.issn.2095-6533.2019.06.007

页码: 35-41

总页数: 7

文件大小: 496K

下载量: 19