マルチラベル特徴選択のためのランダム多様体サンプリングと結合スパース正則化【JST・京大機械翻訳】

Li Haibao; Zhai Hongzhi

プレプリント

J-GLOBAL ID：202202219765014782 整理番号：22P0331733

マルチラベル特徴選択のためのランダム多様体サンプリングと結合スパース正則化【JST・京大機械翻訳】

Random Manifold Sampling and Joint Sparse Regularization for Multi-label Feature Selection

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年04月13日プレプリントサーバーでの情報更新日： 2023年03月30日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

マルチラベル学習は,通常,特徴とラベルの間の相関をマイニングするために使用され,特徴選択は,少数の特徴,l_2,1正則化法を通してできるだけ多くの情報として保持することができ,しかし,それは,疎な係数マトリックスを得ることができるが,しかし,それは,効果的に多重共線性問題を解決できなかった。本論文で提案されたモデルは,l_2,1およびl_F正則化の共同制約付き最適化問題を解くことによって,最も関連する少数の特徴を得ることができる。多様体正則化において,著者らは共同情報マトリックスに基づくランダムウォーク戦略を実行して,非常にロバストな近傍グラフを得た。さらに,モデルを解くためのアルゴリズムを与え,その収束を証明した。実世界データセットの比較実験は,提案方法が他の方法より優れていることを示した。【JST・京大機械翻訳】

, , , , , , , , , , ,

人工知能

, , , , ,

前のページに戻る