博文
[CV论文读讲] NIPS10－Efficient and Robust Feature Selectio
||
背景
特征提取
加速学习过程，提高模型扩展能力，减轻维数灾难的问题。
生物信息学（基因组和蛋白质组数据的研究）
现状：需要测定的东西很多，但是样本很少。用的数据集：样本数只有50~203个，但是基因个数是样本数的几十倍到几百倍。
举例：在生物信息学看来，一种疾病和少数基因有关。特诊选择的任务是：确定哪些基因与这种疾病有关。
特征提取
加速学习过程，提高模型扩展能力，减轻维数灾难的问题。
生物信息学（基因组和蛋白质组数据的研究）
现状：需要测定的东西很多，但是样本很少。用的数据集：样本数只有50~203个，但是基因个数是样本数的几十倍到几百倍。
举例：在生物信息学看来，一种疾病和少数基因有关。特诊选择的任务是：确定哪些基因与这种疾病有关。
本文的贡献
新的模型：
Loss function和regularization都是l2,1范数
Loss funtion是l2范数，regularization是l2,1范数
Towards Structural Sparsity: An Explicit ℓ2/ℓ0 Approach（ICDataMining 2010）
l2,1-Norm Regularized Discriminative Feature Selection for Unsupervised Learning.(IJCAI 2011)
求解Loss function和regularization都是l2,1范数的问题的algorithm，并且给出收敛证明。
新的模型：
Loss function和regularization都是l2,1范数
Loss funtion是l2范数，regularization是l2,1范数
Towards Structural Sparsity: An Explicit ℓ2/ℓ0 Approach（ICDataMining 2010）
l2,1-Norm Regularized Discriminative Feature Selection for Unsupervised Learning.(IJCAI 2011)
求解Loss function和regularization都是l2,1范数的问题的algorithm，并且给出收敛证明。
Robust体现在哪？
L2,1是旋转不变的l1范数
还有l2-norm loss function对外点敏感，l2,1-norm loss function对于可以去除外点
L2,1是旋转不变的l1范数
还有l2-norm loss function对外点敏感，l2,1-norm loss function对于可以去除外点
相关PPT下载详见 “视觉计算研究论坛”「SIGVC BBS」：http://www.sigvc.org/bbs/thread-53-1-1.html
https://wap.sciencenet.cn/blog-4099-637986.html
上一篇：[CV论文读讲] Nature96－Emergence of simple-cell receptive
下一篇：[CV论文读讲] TSP06－K-SVD: An Algorithm for Designing Over
