基于属性自表达的低秩超图属性选择算法

摘要：

针对高维数据具有低秩形式和属性冗余等特点,提出一种基于属性自表达的无监督超图属性选择算法.该算法首先利用属性自表达特点用其他属性稀疏地表达每个属性,此自表达形式使用低秩假设寻找高维数据的低秩表示,然后建立超图正则化因子保持高维数据的局部结构,最后利用稀疏正则化因子进行属性选择.属性自表达特性确定属性的重要性,低秩表示相当于考虑数据的全局信息进行子空间学习,超图正则化因子考虑数据的局部结构对数据进行子空间学习.该算法实际上考虑数据全局和局部信息进行子空间学习,更是一种嵌入了子空间学习的属性选择算法.实验结果表明,该算法相比其他对比算法,能更有效地选取属性,并能取得很好的分类效果.

关键词：属性选择、属性自表达、子空间学习、超图、低秩表示

所属期刊栏目：34

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61450001,61263035,61573270;国家"973"计划资助项目2013CB329404;中国博士后科学基金资助项目2015M570837;广西自然科学基金资助项目2012GXNSFGA060004,2015GXNSFCB139011,2015GXNSFAA139306;广西研究生教育创新计划项目YCSZ2016045,YCSZ2016046,XYCSZ2017064,XYCSZ2017067,YCSW2017065

在线出版日期：2017-08-16（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：2294-2298