計算機信息技術(shù)蓬勃發(fā)展的時代,數(shù)據(jù)膨脹帶來的維數(shù)災(zāi)難是數(shù)據(jù)處理的重要課題。稀疏優(yōu)化方法則是通過進行特征選擇來達到降維這一目的的有效手段。針對lF-l2,p聯(lián)合稀疏矩陣優(yōu)化問題,考慮迭代矩陣條件數(shù)過大帶來的負面影響,故對其行2范數(shù)進行截斷,從而改進算法。本文給出了在保證算法收斂性的前提下截斷該迭代矩陣的界的取值,并將該界與原矩陣最小化問題的最優(yōu)解的下界作比較,驗證其可行性�；趌2,1范數(shù)正則化的稀疏矩陣優(yōu)化模型在半監(jiān)督多任務(wù)特征選擇中得到廣泛應(yīng)用,許多研究發(fā)現(xiàn)運用lp(0<p<1)正則化項的稀疏優(yōu)化問題的解比運用l1正則化的稀疏性更高。因此,在本文中我們將l2,p(0＜p≤1)正則化的矩陣聯(lián)合稀疏優(yōu)化應(yīng)用于一種半監(jiān)督多任務(wù)特征選擇模型中,并給出該模型的求解算法、分析了算法收斂性。數(shù)值實驗表明該稀疏優(yōu)化問題的解稀疏性更高,用于疾病預(yù)測分類的準確率更高,即選出的特征代表性更強。綜合一種多任務(wù)學(xué)習(xí)模型和一種基于流形正則化的半監(jiān)督特征選擇模型的優(yōu)點,本文提出了一種新的基于l2,p(O<p≤1)正則化的半監(jiān)督多任務(wù)特征選擇的稀疏矩陣優(yōu)化模型,由于l2,p的非凸非Lipschit...

【文章頁數(shù)】：37 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
注釋表
第一章 緒論
    1.1 研究背景和研究意義
    1.2 研究現(xiàn)狀
    1.3 本文的主要工作
    1.4 本文的結(jié)構(gòu)安排
第二章 一類矩陣優(yōu)化問題的截斷算法
    2.1 引言
    2.2 最優(yōu)解中非零行2范數(shù)的下界
    2.3 l_F-l_2,p矩陣最小化問題的截斷分析
    2.4 δ與最優(yōu)解下界間的關(guān)系
    2.5 數(shù)值實驗
        2.5.1 信號重建
        2.5.2 前列腺癌數(shù)據(jù)集
        2.5.3 肺病數(shù)據(jù)集
    2.6 本章小結(jié)
第三章 基于l_2,p半監(jiān)督多任務(wù)特征選擇模型及應(yīng)用
    3.1 引言
    3.2 基于l_2,p半監(jiān)督多任務(wù)特征選擇模型
    3.3 模型求解算法及收斂性分析
        3.3.1 求解算法
        3.3.2 收斂性分析
    3.4 數(shù)值實驗
    3.5 本章小結(jié)
第四章 一種新的基于l_2,p半監(jiān)督多任務(wù)特征選擇模型
    4.1 半監(jiān)督多任務(wù)特征選擇模型
    4.2 模型求解算法及收斂性分析
    4.3 數(shù)值實驗
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 工作展望
參考文獻
致謝
在碩士期間發(fā)表的學(xué)術(shù)論文



本文編號：3787880