基于自适应Lasso流形规整的特征提取算法研究

针对原始高维空间数据特征冗余的特征问题,提出了一种自适应Lasso流形规整的特征提取方法。在原始空间中的样本,经过投影后可以保持在原始空间中的近邻结构,投影到低维空间后也可像高维空间中那样相近。通过模型做完特征选择后,以这些被选的特征子集作为输入,在数据集中做了一系列的分类实验。结果表明,该算法可以精准提取高维样本集的低维流形结构,具有较小的尺寸误差递减,特征提取性能较好。