基于低秩稀疏评分的非监督特征选择
【出 处】:
【作 者】:
杨国亮
;
谢乃俊
;
王艳芳
;
梁礼明
【摘 要】
在处理高维数据过程中,特征选择是一个非常重要的数据降维步骤。低秩表示模型具有揭示数据全局结构信息的能力和一定的鉴别能力。稀疏表示模型能够利用较少的连接关系揭示数据的本质结构信息。在低秩表示模型的基础上引入稀疏约束项,构建一种低秩稀疏表示模型学习数据间的低秩稀疏相似度矩阵;基于该矩阵提出一种低秩稀疏评分机制用于非监督特征选择。在不同数据库上将选择后的特征进行聚类和分类实验,同传统特征选择算法进行比较。实验结果表明了低秩特征选择算法的有效性。
相关热词搜索: 低秩表示 稀疏约束项 低秩稀疏评分 特征选择 low-rank representation sparse constrains low-rank and sparse score feature select
上一篇:一种基于Hadoop的EPC物联网数据分析系统的研究与实现
下一篇:多选择软硬件划分问题的计算模型与动态规划算法