基于稀疏系数矩阵重构的多标记特征选择

作     者：李永豪 胡亮 高万夫 LI Yong-Hao;HU Liang;GAO Wan-Fu

作者机构：吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012 

基　　金：国家重点研发专项(2017YFA0604500) 吉林省重点科技研发项目(20180201103GX) 吉林省科技厅联合基金项目(2020122209JC)资助 

出 版 物：《计算机学报》 (Chinese Journal of Computers)

年 卷 期：2022年第45卷第9期

页      码：1827-1841页

摘      要：处理复杂的多标记数据对于特征选择而言是一项挑战性任务.然而,现存的多标记特征选择方法存在三个问题未解决.首先,现有的多标记特征选择方法利用样例层流形正则化项保持样例的相似性结构或借助标签关联来指导特征选择,但两者对于特征选择的指导存在互补关系.其次,早期方法基于样例相似性所构造的近邻矩阵来探索标签关联,却忽略了成对标签本身的关联性.最后,早期方法整合多个未知变量,导致目标函数的求解变得困难.为解决上述问题,本文基于最小二乘回归模型构建经验损失函数,然后在目标函数中引入标签正则化项探索标签之间的关联,同时利用特征矩阵与重构稀疏系数矩阵的乘积表示预测标签并保留数据本身的局部几何结构.上述各项被整合在一个联合学习框架内.针对该学习框架,一套证明可收敛的优化方案被设计.在13个真实的多标记基准数据集上进行实验,实验结果验证了所提方法的有效性.

主 题 词：特征选择 多标记学习 流形学习 稀疏化学习 分类 

学科分类：0711[理学-心理学类] 12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0714[0714] 0835[0835] 0701[理学-数学类] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.11897/SP.J.1016.2022.001827

馆 藏 号：203114423...