基于图稀疏的自表达属性选择算法

摘要：

为解决高维数据属性维度高，不易直接应用的问题，提出通过属性自表达移除不相关和冗余属性的属性选择算法。基于稀疏学习的框架，通过属性自表达考虑属性间的相关性，利用子空间学习的局部保留投影(LPP)算法，确保属性选择时数据的局部结构保持不变。实验结果表明，该算法在 UCI等数据集上优于4种对比算法。

关键词：属性选择、属性自表达、子空间学习、属性约简、稀疏学习

所属期刊栏目：37

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金项目61170131、61263035、61363009;国家863高技术研究发展计划基金项目2012AA011005;国家973重点基础研究发展计划基金项目2013CB329404;广西自然科学基金项目2012GXNSFGA060004;广西高校科学技术研究重点基金项目2013ZD041;广西研究生教育创新计划基金项目YCSZ2015095、YCSZ2015096

在线出版日期：2016-07-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1643-1648