作者：龚永红 宗鸣 朱永华 程德波线性回归稀疏编码噪声样本
摘要：对于线性回归中kNN（k-Nearest Neighbor）算法的k值固定问题和训练样本中的噪声问题，提出一种新的基于重构的稀疏编码方法。该方法用训练样本重构每一个测试样本，重构过程中，l1-范数被用来确保每个测试样本被不同数目的训练样本来预测，以此解决kNN算法固定k值问题；l2,1-范数导致的整行稀疏被用来去除噪声样本，以避免数据集上的噪声对重构产生不利影响。实验在UCI数据集上显示：新的改进算法比原来的kNN算法在线性回归中具有更好的预测效果。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
