| 稀疏回归和流形学习的无监督特征选择算法 |
| |
| 引用本文： | 周婉莹,马盈仓,郑 毅,杨小飞. 稀疏回归和流形学习的无监督特征选择算法[J]. 计算机应用研究, 2020, 37(9): 2634-2639 |
| |
| 作者姓名： | 周婉莹 马盈仓 郑 毅 杨小飞 |
| |
| 作者单位： | 西安工程大学 理学院,西安710048;西安工程大学 理学院,西安710048;西安工程大学 理学院,西安710048;西安工程大学 理学院,西安710048 |
| |
| 基金项目： | 国家自然科学基金;陕西省教育厅科学研究项目;西安工程大学研究生创新基金 |
| |
| 摘 要： | 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，为了保证选择更有用及更稀疏的特征，采用◢l◣▼2，1▽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，表明所给算法的有效性。
|
| 关 键 词： | 无监督学习 特征选择 稀疏回归 特征流形学习 |
| 收稿时间： | 2019-04-03 |
| 修稿时间： | 2020-07-29 |
Unsupervised feature selection algorithm based on sparse regression and manifold learning |
| |
| Zhou Wanying,Ma Yingcang,Zheng Yi and Yang Xiaofei. Unsupervised feature selection algorithm based on sparse regression and manifold learning[J]. Application Research of Computers, 2020, 37(9): 2634-2639 |
| |
| Authors: | Zhou Wanying Ma Yingcang Zheng Yi Yang Xiaofei |
| |
| Abstract: | |
| |
| Keywords: | unsupervised learning feature selection sparse regression feature manifold learning |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
