无监督特征选择的改进稀疏主成分分析算法

作者：范九伦; 李维昊; 罗绪瑞; 支晓斌

来源：西安邮电大学学报, 2022, 27(05): 43-48.

DOI：10.13682/j.issn.2095-6533.2022.05.006

• 主成分分析
• 无监督特征选择
• 行稀疏化
• 两阶段特征选择
• 矩阵的广义逆引理

为了降低稀疏主成分分析(Sparse Principal Component Analysis, SPCA)算法对高维数据集的计算复杂度，提出一种改进SPCA(Improved Sparse Principal Component Analysis, ISPCA)算法。该算法将特征选择过程分为两个阶段，第一阶段利用不带低秩惩罚项的SPCA先对数据进行一次特征选择，得到降维数据，采用矩阵的广义逆引理降低算法复杂度。第二阶段在降维数据上执行带低秩惩罚项的SPCA对降维数据再次进行特征选择。对比实验结果表明，ISPCA算法比SPCA算法受参数影响较小，特征选择性能更优，运行速度更快。

• 单位
  西安邮电大学; 通信与信息工程学院