基于l2,0范数稀疏性和模糊相似性的图优化无监督组特征选择方法

作者：孟田田; 周水生^*; 田昕润

来源：模式识别与人工智能, 2023, 36(01): 34-48.

DOI：10.16451/j.cnki.issn1003-6059.202301003

• 无监督特征选择
• 0-1整数规划
• 图优化
• 稀疏学习

基于图的无监督特征选择方法大多选择投影矩阵的l2,1范数稀疏正则化代替非凸的l2,0范数约束，然而l2,1范数正则化方法根据得分高低逐个选择特征，未考虑特征的相关性.因此，文中提出基于l2,0范数稀疏性和模糊相似性的图优化无监督组特征选择方法，同时进行图学习和特征选择.在图学习中，学习具有精确连通分量的相似性矩阵.在特征选择过程中，约束投影矩阵的非零行个数，实现组特征选择.为了解决非凸的l2,0范数约束，引入元素为0或1的特征选择向量，将l2,0范数约束问题转化为0-1整数规划问题，并将离散的0-1整数约束转化为2个连续约束进行求解.最后，引入模糊相似性因子，拓展文中方法，学习更精确的图结构.在真实数据集上的实验表明文中方法的有效性.

• 单位
  西安电子科技大学