一种基于最大边界投影和l21 范数正则化的属性选择算法

当数据含有噪声或标签错误时, 传统的属性选择方法(如粗糙集) 无法得到正确结果, 为此提出一种针对含 噪、标签错误数据的属性选择方法. 首先用最大边界投影方法获得数据的最佳投影; 然后通过对投影矩阵进行??2,1 范 数正则化操作, 进而获得行稀疏的投影矩阵, 据此获得对关键属性的挖掘; 最后给出方法的收敛性和针对标签错误数 据的有效性证明. 实验结果表明, 所提出的算法克服了噪声和标签错误的影响, 较好地实现了针对含噪、标签错误数 据的属性选择.