基于自编码器和局部嵌入的无监督特征选择

作     者：赵瑞平 降爱莲 ZHAO Rui-ping;JIANG Ai-lian

作者机构：太原理工大学信息与计算机学院山西晋中030600 

出 版 物：《计算机工程与科学》 (Computer Engineering & Science)

年 卷 期：2023年第45卷第7期

页      面：1282-1291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)] 08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：山西省回国留学人员科研资助项目(2017-051) 

主　　题：特征选择 自编码器 局部线性嵌入 非线性关系 局部几何结构 

摘      要：为了能够在学习特征之间深层非线性关系的同时,保持特征局部几何结构,提出一种利用单层自编码器作为特征选择和流形学习的算法。首先,利用单层自编码器的重建能力剔除对重建样本贡献微弱的单个特征,学习特征深层非线性关系,并在特征权重矩阵上进行稀疏正则化;然后,通过改进局部线性嵌入算法保持特征之间局部结构,得到一个最优特征子集;最后,设计一个新的目标损失函数,并采用L-BFGS优化算法进行迭代优化。在6个数据集上与其他6种无监督特征选择算法进行对比,实验结果表明,该算法的聚类性能和分类性能要优于其他无监督特征选择算法的。