發(fā)布時間：2018-06-03 15:54

  本文選題：高維數(shù)據(jù) + 屬性選擇�。� 參考：《計算機應用與軟件》2016年11期

【摘要】：受屬性選擇處理高維數(shù)據(jù)表現(xiàn)的高效性和低秩自表達方法在子空間聚類上成功運用的啟發(fā),提出一種基于稀疏學習的自表達屬性選擇算法。算法首先將每個屬性用其他屬性線性表示得到自表達系數(shù)矩陣;然后結合稀疏學習的理論(即整合L2,1-范數(shù)為稀疏正則化項懲罰目標函數(shù))實現(xiàn)屬性選擇。在以分類準確率和方差作為評價指標下,相比其他算法,實驗結果表明該算法可更高效地選擇出重要屬性,且顯示出非常好的魯棒性。
[Abstract]:Inspired by the high efficiency and low rank self-representation of attribute selection in subspace clustering, a self-expression attribute selection algorithm based on sparse learning is proposed. Firstly, each attribute is expressed linearly by other attributes to obtain the self-expression coefficient matrix, and then the sparse learning theory (that is, integrating L _ 2N _ 1-norm as the sparse regularization term penalty objective function) is used to realize attribute selection. Compared with other algorithms, the experimental results show that the proposed algorithm can select important attributes more efficiently and show good robustness.
【作者單位】： 廣西師范大學廣西多源信息挖掘與安全重點實驗室;廣西欽州學院;
【基金】：國家自然科學基金項目(61170131,61263035,61363009) 國家高技術研究發(fā)展計劃項目(2012AA011005) 國家重點基礎研究發(fā)展計劃項目(2013CB329404) 廣西自然科學基金項目(2012GXNSFGA060004) 廣西高校科學技術研究重點項目(2013ZD041) 廣西研究生教育創(chuàng)新計劃項目(YCSZ2015095,YCSZ2015096)
【分類號】：TP181;TP311.13

【相似文獻】

相關期刊論文 前10條

1 賀玲;蔡益朝;楊征;;高維數(shù)據(jù)空間的一種網(wǎng)格劃分方法[J];計算機工程與應用;2011年05期

2 何進榮;丁立新;胡慶輝;李照奎;;高維數(shù)據(jù)空間的性質及度量選擇[J];計算機科學;2014年03期

3 劉洪波,王秀坤,趙晶;高維數(shù)據(jù)空間金字塔技術研究[J];計算機工程與應用;2003年16期

4 沈萍;;高維數(shù)據(jù)挖掘技術研究[J];電腦知識與技術;2009年06期

5 謝楓平;;聚類分析中的高維數(shù)據(jù)降維方法研究[J];閩西職業(yè)技術學院學報;2009年04期

6 余元輝;鄧瑩;;一種新的高維數(shù)據(jù)聚類自適應算法的研究[J];沈陽化工大學學報;2010年02期

7 王寅峰;劉昊;狄盛;胡昊宇;;一種支持高維數(shù)據(jù)查詢的并行索引機制[J];華中科技大學學報(自然科學版);2011年S1期

8 周勇;盧曉偉;程春田;;非規(guī)則流中高維數(shù)據(jù)流典型相關性分析并行計算方法[J];軟件學報;2012年05期

9 王素芳;;基于組件的高維數(shù)據(jù)降維方法研究[J];電腦與電信;2012年10期

10 李郁林;;高維數(shù)據(jù)挖掘中的聚類算法研究[J];電腦與電信;2012年11期

相關會議論文 前4條

1 周煜人;彭輝;桂衛(wèi)華;;基于映射的高維數(shù)據(jù)聚類方法[A];04'中國企業(yè)自動化和信息化建設論壇暨中南六省區(qū)自動化學會學術年會專輯[C];2004年

2 梁俊杰;楊澤新;馮玉才;;大規(guī)模高維數(shù)據(jù)庫索引結構[A];第二十三屆中國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2006年

3 陳冠華;馬秀莉;楊冬青;唐世渭;帥猛;;面向高維數(shù)據(jù)的低冗余Top-k異常點發(fā)現(xiàn)方法[A];第26屆中國數(shù)據(jù)庫學術會議論文集（A輯）[C];2009年

4 劉運濤;鮑玉斌;吳丹;冷芳玲;孫煥良;于戈;;CBFrag-Cubing:一種基于壓縮位圖的高維數(shù)據(jù)立方創(chuàng)建算法(英文)[A];第二十二屆中國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2005年

相關博士學位論文 前10條

1 黃曉輝;高維數(shù)據(jù)的若干聚類問題及算法研究[D];哈爾濱工業(yè)大學;2015年

2 楊風召;高維數(shù)據(jù)挖掘中若干關鍵問題的研究[D];復旦大學;2003年

3 陳黎飛;高維數(shù)據(jù)的聚類方法研究與應用[D];廈門大學;2008年

4 吳慶耀;高維數(shù)據(jù)的若干分類問題及算法研究[D];哈爾濱工業(yè)大學;2013年

5 樓巍;面向大數(shù)據(jù)的高維數(shù)據(jù)挖掘技術研究[D];上海大學;2013年

6 黃健美;高維數(shù)據(jù)索引及其查詢處理技術研究[D];東北大學;2009年

7 董道國;高維數(shù)據(jù)索引結構研究[D];復旦大學;2005年

8 劉翠響;人臉識別中高維數(shù)據(jù)特征分析[D];河北工業(yè)大學;2008年

9 呂艷萍;微粒群優(yōu)化算法及其在高維數(shù)據(jù)聚類的應用研究[D];廈門大學;2009年

10 陳建嬌;高維數(shù)據(jù)的K-harmonic Means聚類方法及其應用研究[D];上海大學;2012年

相關碩士學位論文 前10條

1 侯小麗;高維數(shù)據(jù)聚類中的神經(jīng)網(wǎng)絡降維方法研究[D];蘭州大學;2015年

2 孫喜利;高維數(shù)據(jù)的降維及聚類方法研究[D];蘭州大學;2016年

3 康永為;大數(shù)據(jù)環(huán)境下高維數(shù)據(jù)處理若干問題[D];廣西師范大學;2013年

4 張曉;基于超網(wǎng)絡的高維數(shù)據(jù)聚類方法研究[D];山東師范大學;2015年

5 陳路瑩;高維數(shù)據(jù)的聚類分析方法研究及其應用[D];廈門大學;2009年

6 王立強;基于多元統(tǒng)計圖的高維數(shù)據(jù)降維方法及應用研究[D];燕山大學;2006年

7 戴繼勇;基于投影的高維數(shù)據(jù)異常檢測研究[D];重慶大學;2007年

8 屈治禮;高維數(shù)據(jù)可視化研究及在商業(yè)智能中的應用[D];江蘇科技大學;2013年

9 楊庭庭;基于信息熵的高維數(shù)據(jù)流聚類及其應用研究[D];重慶交通大學;2015年

10 易莉樺;高維數(shù)據(jù)聚類算法的研究[D];燕山大學;2012年

，

本文編號：1973345