联合图嵌入与特征加权的无监督特征选择

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。