论文部分内容阅读
作为一项重要的降维技术,特征选择在模式识别和机器学习领域已经成为一个研究热点.现有的特征选择方法中,人们通常利用欧氏距离计算样本之间的相似性,而欧氏距离仅能反映样本之间的静态特性.最近,研究人员提出一种有效距离的概念,并证明有效距离可以反映出样本之间潜在的动态结构.因此提出一系列基于有效距离的迭代特征选择方法.具体地,本文首先根据稀疏表示算法计算有效距离.然后,根据得到的有效距离提出了三种新的迭代的特征选择方法,包括基于有效距离的迭代Laplacian Score算法(Iterative EDLS)