论文研究基于子空间学习的图稀疏属性选择算法.pdf

针对处理高维度属性的大数据属性约减方法进行了研究，发现属性选择和子空间学习是属性约简的两种常见方法，其中属性选择具有很好的解释性，子空间学习的分类效果优于属性选择，而往往这两种方法是各自独立进行应用的。为此，综合这两种属性约简方法，设计出新的属性选择方法，即利用子空间学习的两种技术（即线性判别分析（LDA）和局部保持投影（LPP）），考虑数据的全局特性和局部特性，同时设置稀疏正则化因子实现属性选择。基于分类准确率、方差和变异系数等评价指标的实验结果表明，该算法相比其他算法，能更有效地选取判别属性，并能取得很好的分类效果。