嵌入式多模態(tài)特征選擇算法研究.pdf

1、隨著數據收集和數據存儲技術的發(fā)展，多模態(tài)數據廣泛存于各種應用場景當中，如何對這些數據進行高效的分析是機器學習研究領域的熱點問題之一。在處理多模態(tài)數據時通常會遇到維數災難問題，傳統(tǒng)的特征選擇算法只能處理單模態(tài)數據，而無法有效的處理多模態(tài)數據，本文的研究目標為多模態(tài)數據的特征選擇算法。
　　在實際應用中，由于數據的標記信息很難獲取，因此需要在無監(jiān)督情形下進行特征選擇任務，本文提出基于聚類結構保持的無監(jiān)督多模態(tài)特征選擇算法，該算法提出在

2、特征選擇的過程中利用線性判別分析保持原始數據的聚類結構，同時充分利用多模態(tài)數據之間的相關性和互補性，最后通過結構化的稀疏正則模型來選擇權重較大的特征，并提出了新的迭代優(yōu)化算法求解優(yōu)化目標。我們在五個公共數據集上進行實驗驗證，并與其他無監(jiān)督特征選擇算法對比，實驗結果說明了該算法的有效性和優(yōu)越性。
　　在實際情況中，雖然很難獲得全部數據的標記信息，但是通?？梢垣@得一部分數據的標記信息，半監(jiān)督學習算法同時利用已標記樣本和未標記樣本進行學

3、習，無標記數據的加入可以提高學習算法的性能，在此基礎上，本文提出基于結構化稀疏的半監(jiān)督多模態(tài)特征選擇算法，該算法利用流形正則的方法，同時考慮多模態(tài)數據的相關性和互補性，在每個模態(tài)上保持數據的流形結構。在模型中引入兩個結構化稀疏正則項，分別刻畫不同模態(tài)間的特征和同一模態(tài)內的特征在不同分類任務下的判別性，將這一思想加入半監(jiān)督的多模態(tài)特征選擇算法中，建立模型并提出迭代優(yōu)化算法求解優(yōu)化目標，我們在五個數據集上進行實驗驗證，并與其他有監(jiān)督和半監(jiān)督