基于Hessian正则的自适应损失半监督特征选择

作     者：朱建勇 周振辰 杨辉 聂飞平 ZHU Jian-yong;ZHOU Zhen-chen;YANG Hui;NIE Fei-ping

作者机构：华东交通大学电气与自动化工程学院南昌330013 江西省先进控制与优化重点实验室南昌330013 西北工业大学光学影像分析与学习中心西安710072 

出 版 物：《控制与决策》 (Control and Decision)

年 卷 期：2021年第36卷第8期

页      面：1862-1870页

核心收录：

学科分类：0820[工学-石油与天然气工程] 081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金重点项目(61733005) 国家自然科学基金项目(61563015,61963015,61863014) 江西省自然科学基金项目(20171ACB21039,20192BAB207024) 江西省教育厅科技项目(GJJ150552) 

主　　题：半监督 特征选择 自适应损失 稀疏约束 l2 p范数 

摘      要：传统的基于拉普拉斯图的半监督特征选择算法处理高维、少标签样本时,缺乏外推能力且对数据异常值的鲁棒性差.基于此,提出一种基于Hessian正则的自适应损失半监督稀疏特征选择算法.首先,为提升线性映射能力,利用Hessian正则保留数据的局部流形结构;其次,为增强模型对具有较小或者较大损失数据的鲁棒性,引入自适应损失函数,通过调节自适应损失参数确定最小损失;再次,采用l2,p范数稀疏投影矩阵,提升特征的区分度,增加模型适应度;最后,采用递归迭代优化求解目标函数.仿真实验验证了所提方法的有效性和优越性.