基于多视角学习和注意力的特征选择算法
庞华鑫
韦世奎
马俊才
赵玉凤
赵耀
1.北京交通大学计算机与信息技术学院,北京1000442.北京交通大学计算机与信息技术学院,北京1000443.北京交通大学计算机与信息技术学院,北京1000444.北京交通大学计算机与信息技术学院,北京1000445.北京交通大学计算机与信息技术学院,北京100044
摘要：从海量且包含噪声的数据中挑选出关键性的特征,即特征选择,一直是机器学习任务中的重要挑战.鉴于此,提出了基于多视角表征学习和注意力机制的特征选择方法.首先,该算法通过多实例生成器为每个样本生成实例包,同时采用特殊的填补方式来保证特征位置不变性.其次,多视角表征模块从多个视角挖掘特征的自身信息及交互信息,并利用注意力机制模块为这些表征计算贡献度权重,最后,分类网络利用权重化表征进行分类.实验结果表明:该模型可以为每个标签挑选出最具代表性的特征群,并在不同类型数据集上取得了性能提升.
关键词：信号与信息处理注意力机制多视角表征特征选择
分类号：TP391.1(计算技术、计算机技术)
资助基金：国家重点研发计划(2017YFC1703503)国家自然科学基金(61532005)国家自然科学基金(61972022)
论文发表日期：2020-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 70-76 )
英文信息