联合图嵌入与特征加权的无监督特征选择
在特征选择领域,现有的大多数方法不能同时捕获不同特征有差异的权重,?不能对投影子空间施加正交约束来提高特征的判别力.为此,?本文提出联合图嵌入与特征加权的无监督特征选择方法(Joint?Graph?Embedding?and?Feature Weighting,?JGEFW).首先,?通过图嵌入局部结构学习获得相似度矩阵和聚类指示矩阵;?然后利用正交回归获得表征不同特征重要程度的权重矩阵,?以此选择出判别力强且非冗余的特征.此外,?本文还提出了一个交替迭代优化算法来求解JGEFW模型;?最后,?在4个数据集上进行实验验证.实验结果表明,?JGEFW的聚类指标在大多数情况下优于其他对比算法.
特征选择、特征权重、无监督学习、图嵌入
38
TP391(计算技术、计算机技术)
广东省重点领域研发计划项目;国家自然科学基金;广东省教育厅项目;广东省教育厅项目;广州市科技计划;广州市科技计划;广州市科技计划;广州市科技计划;广州市科技计划
2021-07-26(万方平台首次上网日期,不代表论文的发表时间)
共8页
16-23