Feature Selection via Transferring Knowledge Across Different Classes
Feature Selection via Transferring Knowledge Across Different Classes
复制标题
通过跨类传递知识进行特征选择
DOI：
10.1145/3314202
复制
发表时间：
2019-05
期刊：
影响因子：
--
通讯作者：
Yu Philip S.
中科院分区：
文献类型：
--
作者：
Wang Zheng;Ye Xiaojun;Wang Chaokun;Yu Philip S.
近年来，特征选择问题引起了人们的极大兴趣.监督信息能够显著提高所选特征的质量。然而，现有的监督特征选择方法都要求标记数据（源域）和未标记数据（目标域）中的类是相同的，这在许多情况下可能过于限制。在这篇文章中，我们考虑了一个更具挑战性的跨类设置，在这两个领域中的类是相关的，但不同的，这是以前很少研究。我们提出了一个跨类知识转移特征选择框架，从源领域转移跨类知识，以指导目标领域的特征选择。具体而言，高级描述，即，属性作为知识转移的桥梁。为了进一步提高所选特征的质量，我们的框架共同考虑了跨类知识转移和特征选择的任务。在四个基准数据集上的实验结果证明了该方法的优越性。
The problem of feature selection has attracted considerable research interest in recent years. Supervised information is capable of significantly improving the quality of selected features. However, existing supervised feature selection methods all require that classes in the labeled data (source domain) and unlabeled data (target domain) to be identical, which may be too restrictive in many cases. In this article, we consider a more challenging cross-class setting where the classes in these two domains are related but different, which has rarely been studied before. We propose a cross-class knowledge transfer feature selection framework which transfers the cross-class knowledge from the source domain to guide target domain feature selection. Specifically, high-level descriptions, i.e., attributes, are used as the bridge for knowledge transfer. To further improve the quality of the selected features, our framework jointly considers the tasks of cross-class knowledge transfer and feature selection. Experimental results on four benchmark datasets demonstrate the superiority of the proposed method.
登录
查看更多内容
DOI：
--
发表时间：
2008-07
期刊：
--
影响因子：
--
作者：
F. Nie;Shiming Xiang;Yangqing Jia;Changshui Zhang;Shuicheng Yan
通讯作者：
F. Nie;Shiming Xiang;Yangqing Jia;Changshui Zhang;Shuicheng Yan
DOI：
10.1016/j.imavis.2017.05.004
发表时间：
2017-07
期刊：
Image Vis. Comput.
影响因子：
--
作者：
Xiaodong Wang;R. Chen;Chao-qun Hong;Zhi-qiang Zeng;Zhi-li Zhou
通讯作者：
Xiaodong Wang;R. Chen;Chao-qun Hong;Zhi-qiang Zeng;Zhi-li Zhou
DOI：
10.1609/aaai.v32i1.11242
发表时间：
2018-04
期刊：
--
影响因子：
--
作者：
Zheng Wang;Xiaojun Ye;Chaokun Wang;Yuexin Wu;Changping Wang;Kaiwen Liang
通讯作者：
Zheng Wang;Xiaojun Ye;Chaokun Wang;Yuexin Wu;Changping Wang;Kaiwen Liang
DOI：
10.5220/0005593100170026
发表时间：
2015-11
期刊：
2015 7th International Joint Conference on Knowledge Discovery, Knowledge Engineering and Knowledge Management (IC3K)
影响因子：
--
作者：
Fumiyo Fukumoto;Yoshimi Suzuki
通讯作者：
Fumiyo Fukumoto;Yoshimi Suzuki
DOI：
10.1109/iccv.2015.479
发表时间：
2015-12
期刊：
2015 IEEE International Conference on Computer Vision (ICCV)
影响因子：
--
作者：
X. Li;Yuhong Guo;Dale Schuurmans
通讯作者：
X. Li;Yuhong Guo;Dale Schuurmans