稀疏回归和流形学习的无监督特征选择算法

来源：计算机应用研究杂志2020年第9期北京时间：

作者：周婉莹,马盈仓,郑毅,杨小飞,

单位：西安工程大学理学院,西安710048；

摘要：针对无标签高维数据的大量出现，对机器学习中无监督特征选择算法进行了研究。提出了一种结合自表示相似矩阵和流形学习的无监督特征选择算法。首先，通过数据的自表示性质，构建相似矩阵，结合低维流形能够表示高维数据结构这一流形学习思想，建立一种考虑流形学习的无监督特征选择优化模型。其次，为了保证选择到更有用及更稀疏的特征，采用l2，1范数对优化模型进行约束，使特征之间相互竞争，消除冗余。进而，通过变量交替迭代对优化模型进行求解，并证明了算法的收敛性。最后，通过与其他几个无监督特征算法在四个数据集上的对比实验，证明了所提算法的有效性。

关键词：无监督学习,特征选择,稀疏回归,特征流形学习,

基金资助：国家自然科学基金资助项目(11501435)；陕西省教育厅科研计划资助项目(18JS042)；西安工程大学研究生创新基金资助项目(chx2019057)；；