摘要：降低高维数据的维度是多标记学习中一个重要且具有挑战性的工作,它可以提高数据处理速度,特征选择作为一种有效的降维技术,是找到一个保持最相关信息的特征子集。本文提出相似性矩阵及分解,结合Lasso进行特征选择的新方法,首先对高维数据进行形式化,构造相似性矩阵;然后分解相似性矩阵,利用Lasso进行特征选择;最后对比已有的特征选择算法,并进行参数优化分析,实验结果表明,提出的算法具有明显的优势。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社