高维数据挖掘中基于稀疏回归的嵌入式特征提取方法.pdfVIP

中国西部科技 2013年 12月第 12卷第 12期总第293期 25 高维数据挖掘中基于稀疏回归的嵌入式特征提取方法 林书亮 (国防科学技术大学理学院系统科学与数学系，湖南 长沙 410073) 摘 要：特征提取是高维数据降维的常用方法之一，特征提取的效果会直接影响后续处理方法的性能。本文提出了联合嵌入 学习与稀疏回归进行特征提取的方法，在采用图的拉普拉斯变换描述数据特征的同时，添加了L2．1标准化稀疏约束进行特征 选择。此外，本文还包括这种方法的收敛性，计算复杂度的分析，并在典型图像和生物实测数据上开展了方法验证，实验结 果表明，该方法能有效地提取出所需的特征，且具有很高的准确率。与传统的非监督的特征提取方法相比，本文提出的方法 综合了嵌入学习与稀疏回归的优点。 关键词：高维数据；特征提取；嵌入学习；稀疏回归 DOl：10．3969／j．issn．1671-6396．2013．12．013 1 引言 本文的结构如下，第二部分给出了 JELSR 的 目标式以 在很多研究领域，例如大数据分析、计算机图像、模式 及相应的求解算法；第三部分论证 了上述求解