ICDM——Tensor-based Multi-view Feature Selection with Applications to Brain Diseases

在大数据时代,对于同一件事情,人们可以轻易地从多个渠道获得多种观点,例如tweet、facebook、youtube等。这些不同的角度为学习任务提供了充足的信息。而在医学中,对于一个对象,会进行一系列的医学检查,这些检查来自不同的渠道。特别地,对于大脑诊断,我们可以获得不同的量化分析,这些不同的分析可以作为同一对象的不同特征子集。将所有这些特征进行整合来进行疾病诊断是有必要的。因此特征提取需要通过多角度学习过程来进行整合。

本文的主要思路是基于SVM递归特征消除法的张量多角度特征选择。传统简单的多角度特征选择法是将每一个角度单独处理,分别提取每一个角度的特征,该方法是基于假设:每个角度都足够学习出目标特征。但是实际中,不同的角度可以互补信息。而如果将多角度转为张量,然后直接进行特征提取,则造成信息冗余与不相关,也会损失精度。本文结合了上述两种方法,即在输入空间上进行特征提取,然后在张量空间上对原始数据和数据重构的关系进行映射。

anyShare分享到:
This entry was posted in 新闻动态. Bookmark the permalink.

发表评论