摘要：为了有效处理海量、高维、稀疏的大数据,提高对数据的分类效率,提出一种基于L_1准则稀疏性原理的在线学习算法（a sparse online learning algorithm for selection feature,SFSOL）。运用在线机器学习算法框架,对高维流式数据的特征进行新颖的＂取整＂处理,加大数据特征稀疏性的同时增强了阀值范围内部分特征的值,极大地提高了对稀疏数据分类的效果。利用公开的数据集对SFSOL算法的性能进行分析,并将该算法与其它3种稀疏在线学习算法的性能进行比较,试验结果表明提出的SFSOL算法对高维稀疏数据分类的准确性更高。

原文链接:http://www.cqvip.com//QK/90702A/201701/671751900.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）