面向高维数据的凹型自表示特征选择方法

• 作者: 冯昊 叶玲节 朱国荣
• 来源期刊: 浙江电力
• 学科: 工学
• 关键词: 大数据 高维数据 自表示 特征选择
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 数据价值挖掘专刊
• 页码范围: 16-21
• 页数: 6页
• 分类号: TP18
• 字数: 4962字
• 语种: 中文
• DOI: 10.19585/j.zjdl.201712004

摘要

在大数据时代,特征选择对于降低复杂度、压缩存储量、提升数据分析泛化能力等具有重要作用.针对大量的无标签高维样本,无监督特征选择技术能够更好地缓解维数灾难问题并得到了广泛应用.对此,提出了一种凹型正则约束的自表示模型,通过特征间的互线性表示以及l2,p范数用于无监督特征选择.对比常见的凸函数约束,所提方法具有更为稀疏的系数解,能更有效地选择显著性特征子空间.为求解目标系数,进一步提出了一种有效的迭代重加权最小二乘算法,保证模型得以收敛至稳定解.9个公开数据集中的试验表明,所提方法在分类精度和聚类性能方面都优于其他对比算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯昊	国网浙江省电力有限公司经济技术研究院	9	45	2.0	6.0
2	叶玲节	国网浙江省电力有限公司经济技术研究院	6	3	1.0	1.0
3	朱国荣	国网浙江省电力有限公司经济技术研究院	6	28	3.0	5.0