基于低秩和图拉普拉斯的属性选择算法

• 作者: 吴庆涛 施进发 曹再辉
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 属性选择 低秩约束 图拉普拉斯 子空间学习 稀疏正则化
• 年，卷（期）: 2018,（17）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 110-115,121
• 页数: 7页
• 分类号: TP181
• 字数: 5021字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1710-0279

摘要

针对无监督属性选择算法使用单一方法,未考虑数据间内在相关性和噪声等问题,提出一种基于属性自表达的低秩无监督属性选择算法.算法首先将稀疏正则化(l2,1-范数)引入属性自表达损失函数中实现无监督稀疏学习,其次在系数矩阵中加入低秩约束以降低噪声和离群点的影响,然后利用低秩结构和图拉普拉斯正则化使子空间学习兼顾数据的全局和局部结构,最后通过属性自表达实现无监督学习.经数据集上多次迭代验证,该算法能够快速收敛并达到全局最优,与SOGFS、PCA、LPP、RSR等四种算法相比分类准确率平均提高了16.11％、14.03％、9.92％和4.2％,并且在各数据集上互信息平均值也是最高的,说明该算法有效、高效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	施进发		77	455	12.0	18.0
3	曹再辉		12	37	3.0	5.0
5	吴庆涛		18	68	4.0	7.0