| 基于自适应邻域嵌入的无监督特征选择算法 |
| |
| 引用本文： | 刘艳芳, 李文斌, 高阳. 基于自适应邻域嵌入的无监督特征选择算法[J]. 计算机研究与发展, 2020, 57(8): 1639-1649. DOI: 10.7544/issn1000-1239.2020.20200219 |
| |
| 作者姓名： | 刘艳芳 李文斌 高阳 |
| |
| 作者单位： | 1.1(计算机软件新技术国家重点实验室(南京大学) 南京 210023);2.2(龙岩学院数学与信息工程学院 福建龙岩 364012) (liuyanfang003@163.com) |
| |
| 基金项目： | 国家重点研发计划;福建省中青年教师教育科研项目;国家自然科学基金;龙岩市科技计划 |
| |
| 摘 要： | 无监督特征选择算法可以对高维无标记数据进行有效的降维,从而减少数据处理的时间和空间复杂度,避免算法模型出现过拟合现象.然而,现有的无监督特征选择方法大都运用k近邻法捕捉数据样本的局部几何结构,忽略了数据分布不均的问题.为了解决这个问题,提出了一种基于自适应邻域嵌入的无监督特征选择(adaptive neighborhood embedding based unsupervised feature selection, ANEFS)算法,该算法根据数据集自身的分布特点确定每个样本的近邻数,进而构造样本相似矩阵,同时引入从高维空间映射到低维空间的中间矩阵,利用拉普拉斯乘子法优化目标函数进行求解.6个UCI数据集的实验结果表明:所提出的算法能够选出具有更高聚类精度和互信息的特征子集.
|
| 关 键 词： | k近邻 自适应邻域 流形学习 特征选择 无监督学习 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机研究与发展》浏览原始摘要信息 |
|
点击此处可从《计算机研究与发展》下载免费的PDF全文 |
|
