一种基于组稀疏规范和局部学习的特征选择方法
基本信息
| 申请号 | CN201711283059.6 | 申请日 | - |
| 公开（公告）号 | CN108052965A | 公开（公告）日 | 2018-05-18 |
| 申请公布号 | CN108052965A | 申请公布日 | 2018-05-18 |
| 分类号 | G06K9/62 | 分类 | 计算；推算；计数; |
| 发明人 | 余可曼;王灿;吴越 | 申请（专利权）人 | 杭州平治信息技术股份有限公司 |
| 代理机构 | - | 代理人 | - |
| 地址 | 311202 浙江省杭州市江干区九盛路9号A18幢5楼518室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 一种基于组稀疏规范和局部学习的特征选择方法，选出数据中表达数据集结构的关键特征，缓解“维度灾难”。本方法采取非监督学习的方式，可适用于缺失部分标签的数据集。首先，通过局部学习，推测出缺失标签的数据的标签；之后，在回归的架构上，加上组稀疏规范，找出全局最能区分不同标签数据的一些特征。本方法的优点在于，局部学习保存了数据的流形结构，组稀疏规范保存了数据的组结构，从而相较于传统特征选择方法，局部学习和组稀疏规范的结合可以选出最能维持原数据集局部结构的特征。 |
