基于三元组排序局部性的SOCFS改进算法

摘要：

特征选择是一种常用的机器学习降维方法,然而传统非监督特征选择算法在保持数据样本维度的局部结构时,却忽略了排序局部性对特征选择的影响.利用数据的三元组局部结构,构建数据之间的排序关系并在特征选择过程中进行局部性保持,提出基于三元组排序局部性的同时正交基聚类特征选择(SOCFS)改进算法,选择具有局部结构保持性且判别区分度高的特征.实验结果表明,与传统非监督特征选择算法相比,SOCFS改进算法聚类效果更好、收敛速度更快.

关键词：非监督特征选择、三元组、排序局部性、聚类、收敛性

所属期刊栏目：46

分类号：TP399(计算技术、计算机技术)

资助基金：国家重点研发计划;国家自然科学基金;公安部科技强警基础工作专项

在线出版日期：2020-05-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：47-53