基于三元组排序局部性的SOCFS改进算法
来源：计算机工程杂志2020年第5期北京时间：
作者：吴昌明, 赵兴涛, 柳可鑫
单位：中国人民公安大学 信息技术与网络安全学院, 北京 102623
摘要：特征选择是一种常用的机器学习降维方法，然而传统非监督特征选择算法在保持数据样本维度的局部结构时，却忽略了排序局部性对特征选择的影响。利用数据的三元组局部结构，构建数据之间的排序关系并在特征选择过程中进行局部性保持，提出基于三元组排序局部性的同时正交基聚类特征选择（SOCFS）改进算法，选择具有局部结构保持性且判别区分度高的特征。实验结果表明，与传统非监督特征选择算法相比，SOCFS改进算法聚类效果更好、收敛速度更快。
关键词：非监督特征选择,三元组,排序局部性,聚类,收敛性
基金资助：国家重点研发计划（2017YFC0820606）；国家自然科学基金（61771072）；公安部科技强警基础工作专项（2014GABJC026）。
