作為數(shù)據(jù)預(yù)處理的一種常用的手段，特征選擇不僅能夠提高分類器的分類性能，而且能增加對(duì)分類結(jié)果的解釋性。針對(duì)基于稀疏學(xué)習(xí)的特征選擇方法有時(shí)會(huì)忽略一些有用的判別信息而影響分類性能的問題，提出了一種新的判別性特征選擇方法-D-LASSO，用于選擇出更具有判別力的特征。首先D-LASSO模型包含一L1一范式正則化項(xiàng)，用于產(chǎn)生一個(gè)稀疏解；其次，為了誘導(dǎo)出更具有判別力的特征，模型中增加了一個(gè)新的判別性正則化項(xiàng)，用于保留同類樣本以及不同類樣本之間幾何分布信息，用于誘導(dǎo)出更具有判別力的特征。在一系列Benchmark數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，與已有方法相比較，D-LASSO不僅能進(jìn)一步提高分類器的分類精度，而且對(duì)參數(shù)也較為魯棒。
?