计算机工程与应用

2022, v.58;No.1013(22) 54-64

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于核统计独立性准则的特征选择研究综述
Review of Feature Selection Methods Based on Kernel Statistical Independence Criteria

胡振威;汪廷华;周慧颖;

摘要(Abstract):

希尔伯特-施密特独立性准则(Hilbert-Schmidt independence criterion,HSIC)是一种基于核函数的独立性度量标准,具有计算简单、收敛速度快和偏差低等优点,广泛应用于统计分析和机器学习问题中。特征选择是一种有效的降维技术,它能评估特征的重要性,并构造适合学习任务的最优特征子空间。系统综述了基于HSIC的特征选择方法,详细介绍了其中的理论基础、算法模型和求解方法,分析了基于HSIC的特征选择的优点与不足,并对未来的研究做出展望。

关键词(KeyWords): 特征选择;希尔伯特-施密特独立性准则;核方法;机器学习

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(61966002);; 江西省教育厅科学技术研究项目(GJJ191659);; 江西省研究生创新专项资金项目(YC2021-S726)

作者(Authors): 胡振威;汪廷华;周慧颖;

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享