文件名称：论文研究-基于超图表示的低秩属性选择方法用于回归分析.pdf
文件大小：1.32MB
文件格式：PDF
更新时间：2022-08-11 13:47:08
低秩回归,属性选择,子空间学习,超图表示
针对现有的回归模型未考虑特征之间的深层结构，而导致在回归问题上输出不稳定的模型，提出了一种新的属性选择方法。通过稀疏学习理论中的2，1-范数和2，p-范数在线性回归模型分别进行样本降噪和属性选择，利用超图结构和低秩约束来分别考虑数据间的局部结构和不同数据间的全局结构，最后结合子空间学习方法来对模型进行微调。经实验证明，在回归分析中该算法较对比算法能取得更好的效果。