本发明提出了一种无监督的自适应特征选择方法,可以很好地避免算法对标签的依赖以及错误标签对算法的影响,该方法首先引入推广的损失项以实现特征选择模型在数据拟合精度和对异常值的鲁棒性之间的平衡,然后还引入了推广的稀疏范数项,可以达到更加稀疏地选择特征的目的,除此以外,该方法还引入了自适应的谱聚类项,通过该正则化项来实现数据之间局部结构的保持,并且根据学习出的新特征表示来更新正则化项中拉普拉斯矩阵,本方法可以获取更好的分类性能,具有很好的实用性。
科研之友
微信
新浪微博
Facebook
分享链接
