论文部分内容阅读
针对回归模型在进行属性选择未考虑类标签之间关系从而导致回归效果不理想，提出了一种新的具有鲁棒性的低秩属性选择算法。具体为，在线性回归的模型框架下，通过低秩约束来考虑类标签间的相关性和通过稀疏学习理论中的l2,p-范数来考虑属性间的关联结构，以此去除不相关的冗余属性的影响；算法通过嵌入子空间学习方法（线性判别分析（LDA））来调整属性选择结果。经实验验证，提出的属性选择算法在六个公开数据集上的效果均优于四种对比算法。