發(fā)布時間：2018-03-08 10:01

  本文選題：線性回歸　切入點：線性判別分析　出處：《計算機工程與應(yīng)用》2017年10期 　論文類型：期刊論文

【摘要】：針對回歸模型在進行屬性選擇未考慮類標簽之間關(guān)系從而導(dǎo)致回歸效果不理想,提出了一種新的具有魯棒性的低秩屬性選擇算法。具體為,在線性回歸的模型框架下,通過低秩約束來考慮類標簽間的相關(guān)性和通過稀疏學習理論中的l_(2,p)-范數(shù)來考慮屬性間的關(guān)聯(lián)結(jié)構(gòu),以此去除不相關(guān)的冗余屬性的影響;算法通過嵌入子空間學習方法(線性判別分析(LDA))來調(diào)整屬性選擇結(jié)果。經(jīng)實驗驗證,提出的屬性選擇算法在六個公開數(shù)據(jù)集上的效果均優(yōu)于四種對比算法。
[Abstract]:In view of the fact that the regression model does not consider the relationship between class labels in attribute selection, a new low rank attribute selection algorithm with robustness is proposed, which is based on the linear regression model. The correlation between class labels is considered by low rank constraints and the correlation structure between attributes is considered by using the LS-norm of sparse learning theory, so as to remove the influence of irrelevant redundant attributes. The algorithm adjusts the result of attribute selection by means of embedded subspace learning (LDAA). The experimental results show that the proposed algorithm is more effective than the four contrast algorithms on six open datasets.
【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;廣西區(qū)域多源信息集成與智能處理協(xié)同創(chuàng)新中心;廣西欽州學院;
【基金】：國家自然科學基金(No.61170131,No.61450001,No.61263035,No.61363009,No.61573270) 廣西自然科學基金(No.2012GXNSFGA060004,No.2015GXNSFCB139011) 廣西研究生教育創(chuàng)新計劃項目(No.YCSZ2016046,No.XYCSZ2017064)
【分類號】：O212.1;TP181

【相似文獻】

相關(guān)期刊論文 前6條

1 胡煜;;線性判別分析和降維方法應(yīng)用于基因芯片數(shù)據(jù)分析[J];甘肅聯(lián)合大學學報(自然科學版);2008年01期

2 楊昔陽;;基于模糊線性判別分析的控制規(guī)則約簡[J];泉州師范學院學報;2010年06期

3 李天恩;何楨;;基于改進的線性判別分析識別重疊并發(fā)的雙故障[J];工業(yè)工程;2012年05期

4 王曉慧;;線性判別分析與主成分分析及其相關(guān)研究評述[J];中山大學研究生學刊(自然科學、醫(yī)學版);2007年04期

5 田時蕓,劉子云;利用測井資料判別油水層時幾種判別分析方法的判別效果比較[J];江漢石油學院學報;1983年01期

6 ;[J];;年期

相關(guān)博士學位論文 前1條

1 潘志斌;半監(jiān)督排序的若干關(guān)鍵問題研究[D];華中科技大學;2014年

相關(guān)碩士學位論文 前1條

1 林軒;幾種分類問題的研究[D];吉林大學;2015年

，

本文編號：1583423