基于核统计独立性准则的特征选择研究综述

来源：计算机工程与应用杂志2022年第22期北京时间：

作者：胡振威, 汪廷华, 周慧颖

单位：赣南师范大学 数学与计算机科学学院，江西 赣州 341000

摘要：希尔伯特-施密特独立性准则（Hilbert-Schmidt independence criterion，HSIC）是一种基于核函数的独立性度量标准，具有计算简单、收敛速度快和偏差低等优点，广泛应用于统计分析和机器学习问题中。特征选择是一种有效的降维技术，它能评估特征的重要性，并构造适合学习任务的最优特征子空间。系统综述了基于HSIC的特征选择方法，详细介绍了其中的理论基础、算法模型和求解方法，分析了基于HSIC的特征选择的优点与不足，并对未来的研究做出展望。

关键词：特征选择,希尔伯特-施密特独立性准则,核方法,机器学习