基于低秩稀疏表達的彈性最小二乘回歸學習

摘要： 為了克服重定向最小二乘回歸模型容易破壞回歸目標的結構的缺點，提出了一種基于低秩稀疏表達的彈性最小二乘回歸學習模型LRSR-eLSR。模型以最小二乘回歸為基礎，不使用嚴格的0-1標簽矩陣作為目標矩陣，而是引入邊距約束來直接從數(shù)據(jù)中學習回歸目標，可以在保持回歸目標低秩結構的同時，增加回歸模型的靈活性。而且，為了捕獲數(shù)據(jù)的結構信息，利用了數(shù)據(jù)的低秩表示來保持數(shù)據(jù)的結構。在計算的過程中...