稀疏回归和流形学习的无监督特征选择算法

• 作者: 周婉莹 杨小飞 郑毅 马盈仓
• 来源期刊: 计算机应用研究
• 关键词: 无监督学习 特征选择 稀疏回归 特征流形学习
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2634-2639
• 页数: 6页
• 分类号: TP18
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.04.0134

摘要

针对无标签高维数据的大量出现,对机器学习中无监督特征选择算法进行了研究.提出了一种结合自表示相似矩阵和流形学习的无监督特征选择算法.首先,通过数据的自表示性质,构建相似矩阵,结合低维流形能够表示高维数据结构这一流形学习思想,建立一种考虑流形学习的无监督特征选择优化模型.其次,为了保证选择到更有用及更稀疏的特征,采用l2,1范数对优化模型进行约束,使特征之间相互竞争,消除冗余.进而,通过变量交替迭代对优化模型进行求解,并证明了算法的收敛性.最后,通过与其他几个无监督特征算法在四个数据集上的对比实验,证明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	马盈仓		37	80	4.0	7.0
2	杨小飞		20	12	2.0	2.0
3	周婉莹		3	0	0.0	0.0
4	郑毅		3	0	0.0	0.0