文献类型：期刊文章

作　　者：陈善雄[1,2] 刘小娟[1,2] 陈春蓉[1] 郑方园[1]

机构地区：[1]西南大学计算机与信息科学学院,重庆400715 [2]贵州工程应用技术学院信息工程学院,贵州毕节551700

出　　处：《计算机应用》

基　　金：国家自然科学基金资助项目(61303227);贵州省普通高等学校科技拔尖人才支持计划项目(黔教合KY字[2016]098);贵州省科技厅联合基金资助项目(黔科合LH字[2016]7053)~~

年　　份：2017

卷　　号：37

期　　号：6

起止页码：1674-1679

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：最小绝对收缩和选择算子(Lasso)在数据维度约减、异常检测方面有着较强的计算优势。针对Lasso用于异常检测中检测精度不高的问题,提出了一种基于多维度权重的最小角回归(LARS)算法解决Lasso问题。首先考虑每个回归变量在回归模型中所占权重不同,即此属性变量在整体评价中的相对重要程度不同,故在LARS算法计算角分线时,将各回归变量与剩余变量的联合相关度纳入考虑,用来区分不同属性变量对检测结果的影响;然后在LARS算法中加入主成分分析(PCA)、独立权数法、基于Intercriteria相关性的指标的重要度评价(CRITIC)法这三种权重估计方法,并进一步对LARS求解的前进方向和前进变量选择进行优化。最后使用Pima Indians Diabetes数据集验证算法的优良性。实验结果表明,在更小阈值的约束条件下,加入多维权重后的LARS算法对Lasso问题的解具有更高的准确度,能更好地用于异常检测。

关 键 词：最小绝对收缩和选择算子  变量选择  最小角回归  多元线性回归 加权

分 类 号：TP181]