融合K均值聚类和低秩约束的属性选择算法

摘要：

针对无监督属性选择算法无类别信息和未考虑属性低秩等问题,该文提出了一种融合K均值聚类和低秩约束的属性选择算法.算法在线性回归的模型框架中有效地嵌入自表达方法,同时利用K均值聚类产生伪类标签最大化类间距以更好地稀疏结构,并使用l2,p-范数代替传统的l2,1-范数,通过参数p来灵活调节结果的稀疏性,最后证明了该文算法具有执行线性判别分析的特点和收敛性.经实验验证,该文提出的属性算法与N FS算法、LDA算法、RFS算法、RSR算法相比分类准确率平均提高了17.04％ 、13.95％ 、3.6％ 和9.39％,分类准确率方差也是最小的,分类结果稳定.

关键词：属性选择、自表达方法、K均值聚类、低秩约束、稀疏学习

所属期刊栏目：32

分类号：TP181(自动化基础理论)

资助基金：陕西省教育厅项目15BY117

在线出版日期：2018-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：91-98