计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2012年
4期
1282-1284
,共3页
邓战涛%胡谷雨%潘志松%张艳艳
鄧戰濤%鬍穀雨%潘誌鬆%張豔豔
산전도%호곡우%반지송%장염염
特征选择%稀疏表示%核技巧
特徵選擇%稀疏錶示%覈技巧
특정선택%희소표시%핵기교
为了解决高维数据在分类时导致的维数灾难,降维是数据预处理阶段的主要步骤.基于稀疏学习进行特征选择是目前的研究热点.针对现实中大量非线性可分问题,借助核技巧,将非线性可分的数据样本映射到核空间,以解决特征的非线性相似问题.进一步对核空间的数据样本进行稀疏重构,得到原数据在核空间的一种简洁的稀疏表达方式,然后构建相应的评分机制选择最优子集.受益于稀疏学习的自然判别能力,该算法能够选择出保持原始数据结构特性的“好”特征,从而降低学习模型的计算复杂度并提升分类精度.在标准UCI数据集上的实验结果表明,其性能上与同类算法相比平均可提高约5％.
為瞭解決高維數據在分類時導緻的維數災難,降維是數據預處理階段的主要步驟.基于稀疏學習進行特徵選擇是目前的研究熱點.針對現實中大量非線性可分問題,藉助覈技巧,將非線性可分的數據樣本映射到覈空間,以解決特徵的非線性相似問題.進一步對覈空間的數據樣本進行稀疏重構,得到原數據在覈空間的一種簡潔的稀疏錶達方式,然後構建相應的評分機製選擇最優子集.受益于稀疏學習的自然判彆能力,該算法能夠選擇齣保持原始數據結構特性的“好”特徵,從而降低學習模型的計算複雜度併提升分類精度.在標準UCI數據集上的實驗結果錶明,其性能上與同類算法相比平均可提高約5％.
위료해결고유수거재분류시도치적유수재난,강유시수거예처리계단적주요보취.기우희소학습진행특정선택시목전적연구열점.침대현실중대량비선성가분문제,차조핵기교,장비선성가분적수거양본영사도핵공간,이해결특정적비선성상사문제.진일보대핵공간적수거양본진행희소중구,득도원수거재핵공간적일충간길적희소표체방식,연후구건상응적평분궤제선택최우자집.수익우희소학습적자연판별능력,해산법능구선택출보지원시수거결구특성적“호”특정,종이강저학습모형적계산복잡도병제승분류정도.재표준UCI수거집상적실험결과표명,기성능상여동류산법상비평균가제고약5％.
