论文部分内容阅读
提出了基于联合表示值的过滤型特征选择方法。该方法利用训练样本构造一个图,图的邻接关系和边的权重是由l_2范数最优化问题求解,在迭代的特征选择过程中,根据当前特征的l_2联合表示值对特征进行排序,丢弃最不重要的特征,并用剩余特征重构l_2图。NASA软件缺陷数据库和UCI机器学习数据库上的实验结果表明,该方法比传统的特征选择方法取得更好的性能。