非负稀疏表示的多标签特征选择
来源：计算机科学与探索杂志2017年第7期北京时间：
作者：蔡志铃，祝峰
单位：闽南师范大学 粒计算重点实验室，福建 漳州 363000
摘要：在多标签学习中，数据降维是一项重要而又具有挑战性的任务。特征选择是一种高效的数据降维技术，它通过保持最大相关信息选取一个特征子集。通过对子空间学习的研究，提出了基于非负稀疏表示的多标签特征选择方法。该方法可以看成是矩阵分解问题，其融合了非负约束问题和L2,1-范数最小优化问题。设计了一种高效的矩阵更新迭代算法求解新问题，并证明其收敛性。最后，对6个实际的数据集进行了测试，实验结果证明了算法的有效性。
关键词：多标签学习,特征选择,非负矩阵分解,L2,1-范数
