-
题名联合图嵌入与特征加权的无监督特征选择
被引量:2
- 1
-
-
作者
张巍
张圳彬
-
机构
广东工业大学计算机学院
-
出处
《广东工业大学学报》
CAS
2021年第5期16-23,共8页
-
基金
广东省重点领域研发计划项目(2020B010166006)
国家自然科学基金资助项目(61972102)
+1 种基金
广东省教育厅资助项目(粤教高函〔2018〕179号,粤教高函〔2018〕1号)
广州市科技计划项目(201903010107,201802030011,201802010026,201802010042,201604046017)。
-
文摘
在特征选择领域,现有的大多数方法不能同时捕获不同特征有差异的权重,不能对投影子空间施加正交约束来提高特征的判别力。为此,本文提出联合图嵌入与特征加权的无监督特征选择方法(Joint Graph Embedding and Feature Weighting,JGEFW)。首先,通过图嵌入局部结构学习获得相似度矩阵和聚类指示矩阵;然后利用正交回归获得表征不同特征重要程度的权重矩阵,以此选择出判别力强且非冗余的特征。此外,本文还提出了一个交替迭代优化算法来求解JGEFW模型;最后,在4个数据集上进行实验验证。实验结果表明,JGEFW的聚类指标在大多数情况下优于其他对比算法。
-
关键词
特征选择
特征权重
无监督学习
图嵌入
-
Keywords
feature selection
feature weight
unsupervised learning
graph embedding
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-