论文部分内容阅读
特征选择的稀疏优化方法是通过求解优化问题稀疏解实现高维数据特征选择的方法,其稀疏惩罚项是实现特征选择的关键。针对l_0范数惩罚项的稀疏性能好但求解复杂度高的问题,提出高斯近似l_0范数典型相关分析的特征选择模型。以连续、分段光滑和稀疏性能接近l_0范数的高斯近似l_0范数作为稀疏惩罚项,以数据间的相关性作为优化目标,引入二次逼近函数解决高斯近似l_0范数的非凸惩罚求解难问题,用块坐标下降法求解模型实现特征选择。实验结果表明,模型是可实现的,且与现有的同类模型相比,所提模型实现了更优的特征选择。