基于内积正则化的自表示无监督特征选择算法

摘要：

为了更好地挖掘样本之间的相关性以及更精确地进行特征选择,结合内积正则项与自表示的l2,1范数对无监督特征选择模型进行重构,其中内积正则项可看作l1范数与l2范数的线性组合.使用内积正则项可以同时实现数值结果的稀疏性和低冗余性.传统的特征选择模型假设特征之间是独立的,而自表示模型假设特征之间是线性相关的,从而能够更好地挖掘数据样本之间的关系.针对新建立的无监督特征选择模型,通过设计的拉格朗日乘子法进行优化模型求解,使用国际标准数据集对无监督特征选择模型进行实验验证,并求出聚类得到的准确率和标准互信息的值,同时也选取了3种传统无监督特征选择算法进行对比实验,验证了该算法的可行性和有效性.

关键词：无监督特征选择;矩阵优化;降维;拉格朗日乘子法;内积正则化

所属期刊栏目：41

分类号：O241.6(计算数学)

资助基金：国家自然科学基金;广西杰出青年基金

在线出版日期：2022-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：516-520