基于自适应相似性的无监督多视图特征选择

作     者：刘欣宇 韩晓红 宋可 LIU Xin-yu;HAN Xiao-hong;SONG Ke

作者机构：太原理工大学大数据学院山西晋中030600 

基　　金：山西省自然科学基金项目(201801D121136) 山西省回国留学人员科研基金项目(2019-24) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2021年第42卷第11期

页      码：3158-3163页

摘      要：为解决传统特征选择方法忽略视图内部特征的相关性及不同视图之间的特征关联性问题,提出一种基于自适应相似性的特征选择学习方法。在特征选择时考虑视图内部的特征相关性,对每个视图进行特征选择,通过引入图正则化,充分利用数据的局部几何特性,使同类别特征之间的联系更加紧密,达到增强算法的鲁棒性。引入L_(1/2)稀疏范数降低噪声,提高分类模型的准确率。通过与现有的特征方法进行对比分析,提出方法在ACC和NMI上优于其它方法。

主 题 词：特征选择 图正则化 L_(1/2)范数 多视图 无监督 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2021.11.021

馆 藏 号：203106090...