新穎的判別性特征選擇方法
大小：0.65 MB 人氣： 2018-01-02 需要積分：2
作為數據預處理的一種常用的手段，特征選擇不僅能夠提高分類器的分類性能，而且能增加對分類結果的解釋性。針對基于稀疏學習的特征選擇方法有時會忽略一些有用的判別信息而影響分類性能的問題，提出了一種新的判別性特征選擇方法-D-LASSO，用于選擇出更具有判別力的特征。首先D-LASSO模型包含一L1一范式正則化項，用于產生一個稀疏解；其次，為了誘導出更具有判別力的特征，模型中增加了一個新的判別性正則化項，用于保留同類樣本以及不同類樣本之間幾何分布信息，用于誘導出更具有判別力的特征。在一系列Benchmark數據集上的實驗結果表明，與已有方法相比較，D-LASSO不僅能進一步提高分類器的分類精度，而且對參數也較為魯棒。
?
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
新穎的判別性特征選擇方法下載
相關電子資料下載
- 人工神經網絡模型的分類有哪些 134
- 一文快速了解RFID技術的構成及分類 109
- 車載無線技術分類介紹 411
- 機器視覺光源的作用、分類及實際應用 118
- 神經元的分類包括哪些 234
- 卷積神經網絡分類方法有哪些 102
- cnn卷積神經網絡分類有哪些 106
- 什么神經網絡模型適合做分類 114
- 卷積神經網絡在文本分類領域的應用 152
- 風華貼片電容的分類詳細介紹 86