科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统的无监督特征选择不能充分兼顾样本及特征的局部结构，以及没有考虑非凸正则项带来更稀疏的解并能够选择出更具判别性特征等问题，提出了自适应图嵌入和非凸正则特征自表达的无监督特征选择方法。首先，通过图嵌入降低特征维度，获得样本相似度矩阵，引导特征选择；其次，引入特征自表达策略，用其余特征线性表示每一个特征，考虑特征间的相似性关系，保持特征局部结构；然后，在特征自表达中添加非凸正则项，获得行更稀疏的权重矩阵实现特征选择；在特征选择过程中执行自适应图嵌入对数据局部结构进行学习，选择最优特征子集。最后，为求解非凸稀疏问题，使用交替迭代方法优化求解模型，设计了一种新的无监督特征选择算法。在6个数据集上与其它算法进行实验对比分析，实验结果表明所提算法是有效的。
- 单位
