降维技术与方法综述

被引：28

作者：

张煜东 ^{[1
]}

霍元铠 ^{[2
]}

吴乐南 ^{[2
]}

董正超 ^{[1
]}

机构：

[1] 哥仑比亚大学精神病学系脑成像实验室

[2] 东南大学信息科学与工程学院

来源：

四川兵工学报 | 2010年 / 31卷 / 10期

关键词：

特征选择; 特征变换; 嵌入式特征选择; 流形学习;

D O I：

暂无

中图分类号：

E920 [武器技术一般性问题];

学科分类号：

0826 ; 082601 ;

摘要：

为了更好地对数据实现降维,讨论了特征选择与特征变换两种技术。对于特征选择,按照特征子集的形成方法可分为穷举法、启发式方法、随机方法、智能优化方法等;按照评价函数的类别可分为筛选式、封装式、嵌入式。对于特征变换,传统的方法采用线性降维方法,主要有非负矩阵分解、因子分析、主成份分析、奇异值分解、独立成分分析等;目前的方法是非线性降维方法,以流形学习为代表。对各种不同方法详细探讨其原理与流程,并进行了性能比较。

引用

页码：1 / 7

页数：7

共 6 条

[1] 多标记学习的嵌入式特征选择 [J].