基于自编码器和局部嵌入的无监督特征选择

摘要：

为了能够在学习特征之间深层非线性关系的同时,保持特征局部几何结构,提出一种利用单层自编码器作为特征选择和流形学习的算法.首先,利用单层自编码器的重建能力剔除对重建样本贡献微弱的单个特征,学习特征深层非线性关系,并在特征权重矩阵上进行稀疏正则化;然后,通过改进局部线性嵌入算法保持特征之间局部结构,得到一个最优特征子集;最后,设计一个新的目标损失函数,并采用L-BFGS优化算法进行迭代优化.在6个数据集上与其他6种无监督特征选择算法进行对比,实验结果表明,该算法的聚类性能和分类性能要优于其他无监督特征选择算法的.

关键词：特征选择、自编码器、局部线性嵌入、非线性关系、局部几何结构

所属期刊栏目：45

分类号：TP393(计算技术、计算机技术)

资助基金：山西省回国留学人员科研资助项目2017-051

在线出版日期：2023-08-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1282-1291