.png){kind=icon}
返回
Sparse subset selection algorithm for data with missing entries
.png){kind=icon}
PRE
AI
DOI：10.1007/s13042-025-02728-4.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
给定一个数据集，稀疏子集选择（S3）方法可以通过巧妙利用稀疏表示理论，从数据集中选择一个子集来有效表示它。S3方法已成为子集选择的重要方法之一。然而，现有S3算法面临的一个普遍问题是其无法处理带有缺失条目的数据集。为解决此问题，我们首次提出了一种针对带有缺失条目数据的新型S3算法（S3-ME）。S3-ME算法将低秩约束、稀疏自表示和子集选择整合到一个统一的优化框架中。这使得算法能够同时完成缺失数据条目的补全以及基于相异性的数据子集选择（DS3），其中DS3中使用的相异性度量可以通过获得的稀疏自表示计算得到。这三个步骤相互关联并交替进行，直至收敛。为提高算法的运行效率，此过程可以简化为两个独立的阶段。所提出的算法可在乘子交替方向法（ADMM）优化框架内求解。实验结果表明，该算法在恢复缺失条目以及在合成和真实数据集上进行子集选择方面均表现出有效性。
Keyword:
Subset selection
Missing entries
Sparse self-representation
Alternating direction method of multipliers
Alternating iteratively reweighted least squares
期刊
IF:
2.7
论文数:
3.2K
被引数:
5.6K
机构
引用论文
分享收藏
分享收藏Subspace Clustering Using Log-determinant Rank Approximation.png)
Proceedings of the 21th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
Proceedings of the 21th ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
PREAI
分享收藏Alternating Iteratively Reweighted Least Squares Minimization for Low-Rank Matrix Factorization
PREAI
分享收藏
查看更多内容