联合低秩表示与图嵌入的无监督特征选择

• 作者: 冯镇业 房小兆 滕少华 滕璐瑶
• 来源期刊: 广东工业大学学报
• 学科: 工学
• 关键词: 无监督学习 低秩表示 图嵌入 特征选择
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 综合研究
• 页码范围: 7-13
• 页数: 7页
• 分类号: TP391.4
• 字数: 5013字
• 语种: 中文
• DOI: 10.12052/gdutxb.190048

摘要

大数据应用带来高维数据急剧增加,数据降维已成为重要问题.特征选择降维方法已广泛应用于模式识别领域,近年来提出了许多基于流形学习的特征选择方法,然而这类方法往往容易受到各种噪声影响.对此,本文提出一种联合低秩表示和图嵌入的高效无监督特征选择方法(JLRRGE).通过低秩表示寻找数据在低秩子空间下的表示,降低噪声的影响从而提高算法的鲁棒性,并通过自适应图嵌入方法,使选择特征保持原有的局部关系.实验结果表明,本文提出算法的分类准确率优于其他对比算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	滕少华	广东工业大学计算机学院	121	825	15.0	20.0
2	房小兆	广东工业大学计算机学院	5	13	3.0	3.0
3	冯镇业	广东工业大学计算机学院	1	0	0.0	0.0