山东大学学报(理学版)

作者：史春雨,毛煜,刘浩阳,林耀进

单位：1. 闽南师范大学计算机学院, 福建 漳州 363000；2. 数据科学与智能应用重点实验室(闽南师范大学), 福建 漳州 363000

关键词：特征选择,层次结构,样本相关性,递归正则化,

基金：国家自然科学基金资助项目(62076116);福建省自然科学基金资助项目(2022J01914)

提出了基于样本相关性的层次特征选择算法(hierarchical feature selection algorithm based on instance correlations, HFSIC)以进一步提高分层分类特征选择算法的性能。在使用稀疏正则项去除不相关特征之后, 将层次结构中的父子关系与特征空间中样本之间的重构关系相结合, 学习同一子树下各类别的样本相关性, 利用递归正则优化输出特征权重矩阵。在衡量样本相关性时, 将重构系数矩阵整合到训练模型中, 同时利用l2, 1范数去除不相关的和冗余的特征。使用加速近端梯度法解决所提模型的优化问题, 并在多个评价指标下评估所提算法的优越性。实验结果表明, 所提方法在5个数据集上的表现优于其他算法, 验证了该算法的有效性。

来源：2024年第3期

《山东大学学报(理学版)》期刊编辑部

查看山东大学学报(理学版)杂志2024年第3期