属性自表达的低秩无监督属性选择算法

摘要：

针对现有无监督属性约简方法只单一使用子空间学习或属性选择的方法,并且忽略数据之间的内在相关性,本文提出一种新的属性选择方法.首先提出一个属性自表达损失函数加上一个稀疏正则化(l2,1-范数)实现无监督学习与属性选择.然后嵌入子空间学习方法,并使用低秩约束和图正则化项考虑数据的全局结构和局部结构.经聚类实验验证,该算法较对比算法能取得更好的效果.

关键词：低秩约束、属性选择、子空间学习、属性约简、无监督

所属期刊栏目：36

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金61573270;国家 "973"计划项目2013CB329404;中国博士后科学基金2015M570837;广西自然科学基金2015GXNSFCB139011;广西研究生教育创新计划项目XYCSZ2017064,YCSW2017065

在线出版日期：2018-01-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：61-69