一种基于最大边界投影和l2,1 范数正则化的属性选择算法
DOI:
CSTR:
作者:
作者单位:

电子工程学院

作者简介:

夏建明

通讯作者:

中图分类号:

TN911.5

基金项目:

安徽省自然科学基金项目(1208085MF94).


A novel attribute reduction algorithm based on maximum margin#br# projection and l2,1 norm regularization
Author:
Affiliation:

Electronic Engineering Institute

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    当数据含有噪声或标签错误时, 传统的属性选择方法(如粗糙集) 无法得到正确结果, 为此提出一种针对含
    噪、标签错误数据的属性选择方法. 首先用最大边界投影方法获得数据的最佳投影; 然后通过对投影矩阵进行??2,1 范
    数正则化操作, 进而获得行稀疏的投影矩阵, 据此获得对关键属性的挖掘; 最后给出方法的收敛性和针对标签错误数
    据的有效性证明. 实验结果表明, 所提出的算法克服了噪声和标签错误的影响, 较好地实现了针对含噪、标签错误数
    据的属性选择.

    Abstract:

    The traditional attribute reduction algorithms such as rough set will fail to get accurate results when deal with
    the data sets which have noise or labeling errors. Therefore, this paper proposes an attribute reduction algorithm which can
    analyze this kind of data effectively. Firstly, the best projection of the data sets is obtained by using the maximum margin
    projection(MMP) method. Then ??2,1-norm on the projection matrix is used to achieve row-sparsity, which leads to selecting
    relevant features. Finally, the proof of the algorithm’s convergence and validity to the data sets with errors is given. The
    result of experiments on the UCI data sets show the effectiveness of the proposed algorithm.

    参考文献
    相似文献
    引证文献
引用本文

夏建明 杨俊安.一种基于最大边界投影和l2,1 范数正则化的属性选择算法[J].控制与决策,2013,28(10):1485-1490

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2012-05-17
  • 最后修改日期:2012-08-30
  • 录用日期:
  • 在线发布日期: 2013-10-20
  • 出版日期:
文章二维码