自适应特征选择模型

免重训适配新特征

该模型可复用历史特征，自动适配增量特征，区别于现有需全量重训的方法。

侯臣平 · Fan, Ruidong · Ling-Li, Zeng · 胡德文

IEEE Transactions on Pattern Analysis and Machine Intelligence 2023

技术优势

无需重训

模型可复用先前特征上训练的成果，自动适配全部特征，避免从头训练。

有理论保证

提供了泛化界和收敛行为的理论分析，确保方法可靠性。

适用多阶段

在一次性处理基础上扩展至多阶段场景，适用于持续到来的特征增量。

应用场景

• 动态环境自适应学习：不断累积的新特征可被自动纳入模型，无需人工干预或重训。
• 脑影像特征增量诊断：处理多模态脑影像特征的增量整合，提升精神疾病诊断的判别能力。
• 流数据特征选择：特征空间随数据流动态增长，模型可在线选择关键特征。
• 高维数据在线分析：对不断扩张的高维特征进行在线选择，避免高维处理难题。