基于图滤波与自表示的无监督特征选择算法OA北大核心CSTPCD
针对现有方法未考虑数据的高阶邻域信息而不能完全捕捉数据内在结构的问题,提出一种基于图滤波与自表示的无监督特征选择算法.首先,将高阶图滤波器应用于数据获得其平滑表示,并设计一个正则化器联合高阶图信息进行自表示矩阵学习以捕捉数据的内在结构;其次,应用l_(2,1)范数重建误差项和特征选择矩阵,以增强模型的鲁棒性与稀疏性选择判别的特征;最后,用一个迭代算法有效地求解所提出的目标函数,并进行仿真实验以验证该算法的有效性.
梁云辉;甘舰文;陈艳;周芃;杜亮;
山西大学计算机与信息技术学院,太原030006 山西大学大数据科学与产业研究院,太原030006四川大学计算机学院,成都610065安徽大学计算机科学与技术学院,合肥230601
计算机与自动化
图滤波自表示稀疏无监督特征选择
《吉林大学学报（理学版）》 2024 (003)
P.655-664 / 10
国家自然科学基金面上项目(批准号:61976129,62176001,62376146).
评论