基于锚点策略的快速无监督特征选择算法

朱建勇; 徐彬; 杨辉; 聂飞平

doi:10.13873/J.1000-9787(2023)01-0149-05

Chinese

您当前的位置：

首页 >

文章列表页 >

基于锚点策略的快速无监督特征选择算法

计算与测试 | 更新时间：2025-09-11

- 基于锚点策略的快速无监督特征选择算法
- 暂无标题
- 传感器与微系统 2023年第1期页码：149-153+160
- 作者机构：
  
  1. 华东交通大学电气与自动化工程学院
  2. 江西省先进控制与优化重点实验室
  3. 西北工业大学计算机科学学院光学影像分析与学习中心
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(61963015,61733005,61863014);江西省自然科学基金资助项目(20171ACB21039,20192BAB207024)
- DOI：10.13873/J.1000-9787(2023)01-0149-05
  中图分类号： TP18;TP391.41
- 纸质出版：2023
- 稿件说明：
移动端阅览
朱建勇, 徐彬, 杨辉, 等. 基于锚点策略的快速无监督特征选择算法[J]. 传感器与微系统, 2023,(1):149-153+160.
朱建勇, 徐彬, 杨辉, 等. 基于锚点策略的快速无监督特征选择算法[J]. 传感器与微系统, 2023,(1):149-153+160. DOI： 10.13873/J.1000-9787(2023)01-0149-05.

DOI：

摘要

针对传统采用稀疏正则化方法的无监督特征选择算法相似图构建效率不高、优化过程引入正则参数等问题，提出了一种基于图学习锚点嵌入策略的快速无监督特征选择算法。利用局部保持投影思想探索数据内部几何流形结构，约束投影正交方向增强线性映射和数据重构能力；采用基于锚点策略构建原始数据相似图，快速学习相似度矩阵；通过L

范数结构化稀疏投影矩阵精确选择具有代表性的特征子集；设计了一个有效迭代算法求解目标函数问题。在4个公开数据集上的对比实验表明算法的有效性。

Abstract

关键词

Keywords

references

文本分类中基于CHI改进的特征选择方法[J]. 宋呈祥;陈秀宏;牛强.传感器与微系统,2019(02)

基于流形鉴别信息的特征选择及其结构化稀疏表示[J]. 钱彬;唐振民;李雪;徐威.控制与决策,2016(07)

网络大数据:现状与展望[J]. 王元卓;靳小龙;程学旗.计算机学报,2013(06)

基于成对约束扩展的半监督网络流量特征选择算法[J]. 李平红;王勇;陶晓玲.传感器与微系统,2013(05)

Unsupervised feature selection with multi-subspace randomization and collaboration[J]. Dong Huang;Xiaosha Cai;Chang-Dong Wang.Knowledge-Based Systems,2019

Group sparse multiview patch alignment framework with view consistency for image classification.[J]. Gui Jie;Tao Dacheng;Sun Zhenan;Luo Yong;You Xinge;Tang Yuan Yan.IEEE transactions on image processing : a publication of the IEEE Signal Processing Society,2014

浏览量

133

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据