Sparse linear discriminant analysis for supervised feature selection

doi:10.1016/j.neucom.2026.134903

Sparse linear discriminant analysis for supervised feature selection

2026-08-25

0

PRE

AI

DOI：10.1016/j.neucom.2026.134903

原文链接

原文求助

摘要

En 中文

基于稀疏学习的特征选择方法在机器学习领域已引起广泛关注。本研究提出了一种基于线性判别分析（LDA）稀疏性的新型特征选择方法，采用迹差LDA有效选择特征。投影矩阵通过-范数约束，相比-范数可实现更高稀疏性。然而，在-范数约束下求解特征选择问题存在显著挑战。本文通过将投影矩阵分解为离散选择矩阵和权重矩阵两个部分，将复杂优化问题转化为以离散选择矩阵为核心的更易处理的问题。采用坐标下降法求解-范数约束下的优化问题。所提方法可推广至-范数约束的一般优化问题。大量实验评估证实了本方法稳健且一致的性能。与替代方法相比，本方法展现出更优性能，表明其在分类任务中有效选择更具判别性的特征。

Sparse linear discriminant analysis for supervised feature selection

摘要

期刊

机构