联合局部学习和组稀疏回归的无监督特征选择

2019年第20卷第4期

摘要

关键词

相关研究

回顶部

《信息与电子工程前沿（英文）》 >> 2019年第20卷第4期 doi: 10.1631/FITEE.1700804

联合局部学习和组稀疏回归的无监督特征选择

¹. Zhejiang Provincial Key Laboratory of Service Robot, College of Computer Science and Technology, Zhejiang University, Hangzhou 310027, China
². Alibaba-Zhejiang University Joint Institute of Frontier Technologies, Hangzhou 310027, China

发布日期： 2019-06-05

HTML14 PDF 10 收藏 0

摘要

近十年，特征选择备受关注。通过挑选特征子集，可有效提升学习算法效率。由于难以获取标签信息，无监督特征选择算法相较于有监督特征选择算法应用更为广泛，其关键在于找出更能反映数据分布的特征集合。由于数据集中存在冗余和噪声，使用全部特征并不能很好展现数据的真实分布。为解决这一问题，本文提出联合局部学习和组稀疏回归的无监督特征选择算法。将基于局部学习聚类方法与组稀疏回归算法有机整合，选出有效反映数据流形分布同时保持组稀疏结构的特征。通过迭代算法，回归系数汇聚到重要特征上，选出能得到更优聚类效果的特征。对多个实际数据集（图像、声音和网页）的实验证明了该算法的有效性。

关键词

无监督 ; 局部学习 ; 组稀疏回归 ; 特征选择