鲁棒自表达的低秩属性选择算法

• 作者: 何威 刘星毅 程德波 罗 胡荣耀
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 属性选择 子空间学习 K均值聚类 低秩约束 稀疏学习
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 先进计算与数据处理
• 页码范围: 43-50
• 页数: 8页
• 分类号: TP181
• 字数: 6510字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.09.009

摘要

针对无监督属性选择算法无类别信息和未考虑属性的低秩问题,提出一种基于自表达方法的低秩属性选择算法.在损失函数中使用低秩和自表达方法描述属性间的相关结构,利用K均值聚类算法得到所有样本的伪类标签进行属性选择,采用稀疏学习方法中的l2.p-范数参数p控制属性选择结果的稀疏性,并通过子空间学习方法使属性选择结果达到全局最优.实验结果表明,与无监督属性选择算法相比,该算法在6个公开数据集上均具有较高的分类准确率及稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡荣耀	广西师范大学广西多源信息挖掘与安全重点实验室	9	30	3.0	4.0
2	刘星毅		4	15	3.0	3.0
3	程德波	广西师范大学广西多源信息挖掘与安全重点实验室	10	92	5.0	9.0
4	何威	广西师范大学广西多源信息挖掘与安全重点实验室	8	31	4.0	5.0
5	罗	广西师范大学广西多源信息挖掘与安全重点实验室	3	13	2.0	3.0