版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、高維特征選擇問題也稱為稀疏建模問題,是當前機器學習研究領(lǐng)域的熱點研究問題之一,目標是解決現(xiàn)有的特征建模方法在高維特征空間普遍失效的問題。主要的研究方法是基于模型參數(shù)的1-范數(shù)或零一范數(shù)約束的正則化方法。當前流行的1-范數(shù)方法存在的主要問題是缺乏對相關(guān)特征的組選能力和特征選擇能力受樣本容量限制。而傳統(tǒng)的零-范數(shù)方法則在稀疏建模實踐中普遍存在過擬合問題,主要原因是對模型復雜度的約束條件不合理。最近的理論研究揭示出基于零-范數(shù)約束的逐步回歸法
2、在理論上能夠獲得比1-范數(shù)方法更好的稀疏建模性能。據(jù)此本文從最短描述長度原則出發(fā),通過理論推導建立了三種新型的基于零-范數(shù)約束的高維特征選擇方法模型,分別是:
⑴通過向隨機復雜度模型中引入模型參數(shù)的高斯分布假設,對模型復雜度下界的費舍爾信息近似公式進行推導求解得到一個易于計算的特征選擇判據(jù),據(jù)此構(gòu)造出一種基于隨機復雜度約束的特征選擇方法模型,并通過仿真實驗和真實基因數(shù)據(jù)集上的實驗,驗證了該方法在稀疏建模任務中的性能優(yōu)于當前
3、主流的1-范數(shù)方法和文獻報道的最新相關(guān)理論成果;
⑵通過向基于風險膨脹判據(jù)(RIC)的特征選擇模型中引入2-范數(shù)約束條件,解決了RIC模型從低維特征空間向高維特征空間的推廣問題,據(jù)此構(gòu)造出一種基于有偏風險約束的特征選擇方法模型,并同樣通過仿真實驗和基因選擇實驗驗證了該方法在稀疏建模任務中相對于當前主流方法的性能優(yōu)越性;
⑶為嘗試建立推廣性更好的零-范數(shù)高維特征選擇方法模型,本文在吸收借鑒前述方法的優(yōu)點的基礎上
4、,通過向隨機復雜度模型引入一個Tikhonov類型的正則化因子,削弱了該模型的理論限制條件,據(jù)此構(gòu)造出一個基于有偏最短描述長度的特征選擇方法。仿真實驗,基因選擇及圖像分類實驗的數(shù)據(jù)表明,該方法能夠有效處理稀疏建模任務,且性能優(yōu)于當前主流的1-范數(shù)方法和和文獻報道的最新相關(guān)理論成果,在本文提出的三個模型中性能表現(xiàn)最優(yōu)。
⑷研究成果證明了基于零-范數(shù)的正則化特征選擇方法不僅適用于高維特征空間,而且能夠獲得比1-范數(shù)方法更好的稀
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于高維特征的人臉認證方法研究.pdf
- 基于組稀疏的高維特征選擇及圖像標注研究.pdf
- 基于物體分割的高維特征排序的顯著種子選擇.pdf
- 高維特征空間中的說話人確認方法研究.pdf
- 高維特征篩選和時間序列下的模型選擇.pdf
- 基于多維特征的病態(tài)嗓音檢測方法的研究.pdf
- 面向高維數(shù)據(jù)挖掘的特征選擇方法研究.pdf
- 基于高維數(shù)據(jù)的特征選擇方法及其穩(wěn)定性研究.pdf
- 基于特征描述的圖像匹配方法研究.pdf
- 面向高維異構(gòu)數(shù)據(jù)的特征選擇方法.pdf
- 基于SVM的特征選擇方法研究.pdf
- 基于SIFT算法的圖像特征描述方法研究.pdf
- 高光譜遙感數(shù)據(jù)特征提取與特征選擇方法研究.pdf
- 道路曲線間最短直線長度研究.pdf
- 基于超光譜遙感圖像三維特征的壓縮方法研究.pdf
- 基于圖像特征分布的高光譜波段選擇研究.pdf
- 高維數(shù)據(jù)下的特征選擇與聚類方法研究.pdf
- 二維特征提取方法研究.pdf
- 基于步幅長度及頻域特征的步態(tài)識別方法研究.pdf
- 基于Lasso的特征選擇方法研究與實現(xiàn).pdf
評論
0/150
提交評論