稀疏回归和流形学习的无监督特征选择算法

摘要：

针对无标签高维数据的大量出现,对机器学习中无监督特征选择算法进行了研究.提出了一种结合自表示相似矩阵和流形学习的无监督特征选择算法.首先,通过数据的自表示性质,构建相似矩阵,结合低维流形能够表示高维数据结构这一流形学习思想,建立一种考虑流形学习的无监督特征选择优化模型.其次,为了保证选择到更有用及更稀疏的特征,采用l2,1范数对优化模型进行约束,使特征之间相互竞争,消除冗余.进而,通过变量交替迭代对优化模型进行求解,并证明了算法的收敛性.最后,通过与其他几个无监督特征算法在四个数据集上的对比实验,证明了所提算法的有效性.

关键词：无监督学习、特征选择、稀疏回归、特征流形学习

所属期刊栏目：37

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金资助项目;陕西省教育厅科研计划资助项目;西安工程大学研究生创新基金资助项目

在线出版日期：2020-10-26（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：2634-2639