基于局部邻域嵌入的无监督特征选择

• 作者: 脱倩娟 赵红
• 来源期刊: 郑州大学学报（理学版）
• 学科: 工学
• 关键词: 机器学习 局部邻域嵌入 流形学习 无监督特征选择
• 年，卷（期）: 2016,（3）
• 页码范围: 57-62
• 页数: 6页
• 分类号: TP181
• 字数: 3972字
• 语种: 中文
• DOI: 10.13705/j.issn/1671-6841.2016087

摘要

机器学习中,特征选择可以有效降低数据维度。考虑到流形学习能够保持原始数据的几何结构,l2,1范数能够防止过拟合,提升模型的泛化能力,将二者结合起来可以提高特征选择的效果和效率。结合局部邻域嵌入( LNE)算法和l2,1范数,提出一种新的无监督特征选择方法。其主要思想是：首先利用数据样本和邻域间的距离以及重构系数构造相似矩阵；其次构建低维空间并结合l2,1范数进行稀疏回归；最后计算每个特征的重要性并选出最优特征子集。实验通过与几种典型的特征选择算法做对比,验证了所提算法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵红	闽南师范大学福建省粒计算重点实验室	12	34	3.0	5.0
2	脱倩娟	闽南师范大学福建省粒计算重点实验室	1	3	1.0	1.0