无监督动态超图学习拉普拉斯矩阵特征选择
Unsupervised dynamic hypergraph learning Laplacian matrix feature selection作者机构：信阳农林学院信息工程学院河南信阳464000
出 版 物：《计算机工程与设计》 (Computer Engineering and Design)
年 卷 期：2022年第43卷第7期
页 面：2078-2087页
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
主 题：无监督 动态超图学习 拉普拉斯矩阵 特征选择 子空间学习 鲁棒性 正交约束
摘 要：为捕捉样本之间的复杂关系,提升噪声鲁棒性,提出一种基于动态超图学习拉普拉斯矩阵的无监督特征选择方法。通过对训练样本的协方差矩阵施加正交约束,利用超图动态学习拉普拉斯矩阵分别保持低维训练样本的全局和局部结构,获取样本之间的复杂关系;引入的两种子空间学习方法增强特征选择的辨别能力。通过公共数据集实验结果验证了提出方法能够提升特征选择质量,以及相关上游任务的精度和鲁棒性。
维普期刊数据库
同方期刊数据库