吴怀宇_中国科学院分享 http://blog.sciencenet.cn/u/wuhuaiyu 博士、副教授 「模式识别国家重点实验室」&「中国-欧洲信息,自动化与应用数学联合实验室」

博文

[CV论文读讲] NIPS10-Efficient and Robust Feature Selectio

已有 2677 次阅读 2012-12-1 00:04 |系统分类:科研笔记| 论文

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。
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。
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
 
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://blog.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

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2022-5-22 12:09

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部