新的基于Laplacian的特征选择方法

作     者：钱晓亮 左开中 接标 QIAN Xiaoliang;ZUO Kaizhong;JIE Biao

作者机构：安徽师范大学数学计算机科学学院安徽芜湖241003 安徽师范大学网络与信息安全工程技术研究中心安徽芜湖241003 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2016年第52卷第15期

页      面：79-82,100页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 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：安徽省高校自然科学基金项目(No.KJ2013Z095) 安徽省自然科学基金(No.1508085MF125) 安徽师范大学校博士启动基金项目(No.2016XJJ120) 

主　　题：特征选择 Laplacian 正则化项 Lasso 支持向量机 降维 

摘      要：在各种特征选择方法中,Lasso的方法取得了广泛的研究和应用。然而,利用Lasso进行特征选择的一个主要缺点是只考虑了样本和类标签之间的相关性,却忽略了样本自身的内在关联信息,而这些信息有助于诱导出更具有判别力的特征。为了解决这个问题,提出了一种新的基于Laplacian的特征选择方法,称之为Lap-Lasso。提出的Lap-Lasso方法首先包含一个稀疏正则化项,用于保证只有少数量特征能被选择。另外,引入了一个新的基于Laplacian的正则化项,用于保留同类样本之间的几何分布信息,从而帮助诱导出更具判别力的特征。在UCI数据集的实验结果验证了Lap-Lasso方法的有效性。