基于核稀疏和主成分分析的属性选择算法研究

发布时间：2021-01-08 00:58

　　随着大数据和人工智能技术的蓬勃发展,社会各行业领域中都积累了大量的高维属性数据,高维属性数据中都会存在大量相关的冗余属性,高维属性数据不仅会增加存储空间的负担,而且占用了大量计算资源开销,更严重的是:高维属性数据会大大增加数据挖掘和知识发现的难度。从高维属性数据中提取有价值的特征信息已经变得相当的困难。如何从这些海量的高维属性数据中提取重要特征信息并挖掘出更为有价值的潜在信息目前已成为目前研究的一个热点。以属性选择算法为代表的数据预处理技术是解决该问题的关键。因此,本文针对已有的属性选择方法只是单纯的考虑属性与标签之间的线性关系,没有考虑到属性与标签之间非线性关系的缺点,提出了基于核稀疏表示的属性选择算法。针对传统的属性选择算法经过属性选择后,样本属性之间仍然存在极高的相关性的缺点,提出了基于主成分分析的属性选择算法。经过理论推导和大量的实验证明,本文提出的两个属性选择算法是有效的,在分类准确率和稳定性上都有较大的提升。具体如下:（1）基于核稀疏表示的属性选择算法（KSFS属性选择算法）。针对样本属性与类标签之间存在非线性角度分析,本文在第三章节中提出了一种新的将核函数与稀疏学习相结合... 

【文章来源】：广西师范大学广西壮族自治区

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

Colon数据集

Ecoli数据集

Yale数据集


本文编号：2963589