稀疏回归和流形学习的无监督特征选择算法

作者：周婉莹; 马盈仓; 郑毅; 杨小飞

来源：计算机应用研究, 2020, (09): 2634-2639.

DOI：10.19734/j.issn.1001-3695.2019.04.0134

• 无监督学习
• 特征选择
• 稀疏回归
• 特征流形学习 unsupervised learning
• feature selection
• sparse regression
• feature manifold learning

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。

• 单位
  西安工程大学