自适应图嵌入和非凸正则特征自表达的无监督特征选择
Unsupervised Feature Selection with Adaptive Graph Embedding and Non-Convex Regular Feature Self-Expression作者机构:河南师范大学计算机与信息工程学院河南新乡453007 天津科技大学人工智能学院天津300457
出 版 物:《计算机工程与应用》 (Computer Engineering and Applications)
年 卷 期:2024年第60卷第16期
页 面:177-185页
学科分类:081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金(62076089 61976082)
主 题:无监督特征选择 图嵌入 特征自表达 非凸正则项 自适应
摘 要:针对传统的无监督特征选择不能充分兼顾样本及特征的局部结构,以及没有考虑非凸正则项带来更稀疏的解并能够选择出更具判别性特征等问题,提出了自适应图嵌入和非凸正则特征自表达的无监督特征选择方法。通过图嵌入降低特征维度,获得样本相似度矩阵,引导特征选择;引入特征自表达策略,用其余特征线性表示每一个特征,考虑特征间的相似性关系,保持特征局部结构;在特征自表达中添加非凸正则项,获得行更稀疏的权重矩阵,实现特征选择;在特征选择过程中执行自适应图嵌入对数据局部结构进行学习,选择最优特征子集;为求解非凸稀疏问题,使用交替迭代方法优化求解模型,设计了一种新的无监督特征选择算法。在6个数据集上与其他算法进行实验对比分析,实验结果表明所提算法是有效的。