基于核统计独立性准则的特征选择研究综述

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

所属期刊栏目：58

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金;江西省教育厅科学技术研究项目;江西省研究生创新专项资金项目

在线出版日期：2022-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：54-64