基于Schatten-p范数和特征自表示的无监督特征选择

作     者：彭明 张海澎 PENG Ming;ZHANG Haipeng

作者机构：龙岩学院数学与信息工程学院福建龙岩364012 国网山西省电力公司沁源县供电公司山西长治046500 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2020年第56卷第23期

页      面：45-52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：福建省中青年教师教育科研项目(科技类)(No.JAT170577,No.JAT190743) 龙岩市科技计划项目(No.2019LYF13002) 

主　　题：特征选择 无监督学习 Schatten-p范数 特征自表示 

摘      要：特征选择是去除不相关和冗余特征,找到具有良好泛化能力的原始特征的紧凑表示,同时,数据中含有的噪声和离群点会使学习获得的系数矩阵的秩变大,使得算法无法捕捉到高维数据中真实的低秩结构。因此,利用Schatten-p范数逼近秩最小化问题和特征自表示重构无监督特征选择问题中的系数矩阵,建立一个基于Schatten-p范数和特征自表示的无监督特征选择(SPSR)算法,并使用增广拉格朗日乘子法和交替方向法乘子法框架进行求解。最后在6个公开数据集上与经典无监督特征选择算法进行实验比较,SPSR算法的聚类精度更高,可以有效地识别代表性特征子集。