首页--数理科学和化学论文--数学论文--代数、数论、组合理论论文--代数方程论、线性代数论文--线性代数论文--矩阵论论文

基于Sparse group lasso相关惩罚项特征选择研究

摘要第3-4页
Abstract第4页
第一章 绪论第10-21页
    1.1 研究背景与意义第10-11页
    1.2 线性变换降维方法第11-14页
        1.2.1 主成分分析第11-12页
        1.2.2 多维尺度分析第12页
        1.2.3 线性判别分析第12-13页
        1.2.4 独立成分分析第13-14页
    1.3 嵌入法第14-18页
        1.3.1 基于惩罚项的特征选择法第14-15页
        1.3.2 树模型特征选择法第15-18页
    1.4 国内研究综述第18-19页
    1.5 主要创新点第19页
    1.6 文章结构第19-21页
第二章 Lasso方法的应用与研究现状第21-28页
    2.1 Lasso方法概述第21页
    2.2 Lasso方法应用现状第21-28页
        2.2.1 SCAD第22页
        2.2.2 弹性网络第22-23页
        2.2.3 自适应lasso第23-24页
        2.2.4 Relaxed lasso第24-25页
        2.2.5 Fused lasso第25-26页
        2.2.6 Graphical lasso第26页
        2.2.7 树结构Lasso第26-28页
第三章 基于Sparse group lasso相关惩罚项的特征选择研究第28-39页
    3.1 Group lasso第28-29页
    3.2 Sparse group lasso第29-32页
    3.3 基于Sparse group lasso的相关惩罚项特征选择法第32-39页
        3.3.1 算法步骤第36页
        3.3.2 扩展的线性模型第36-37页
        3.3.3 数值例子第37-39页
第四章 基于数据共享的Lasso方法第39-50页
    4.1 数据丰富型线性回归第39-40页
    4.2 数据共享型Lasso第40-41页
    4.3 算法的应用第41-50页
第五章 总结和展望第50-52页
    5.1 主要研究第50页
    5.2 未来的发展方向第50-52页
参考文献第52-56页
致谢第56页

论文共56页,点击 下载论文
上一篇:海量多源三维城市模型综合简化与融合可视化
下一篇:一类混合函数空间的B基构造