期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于伪标签回归和流形正则化的无监督特征选择算法 被引量:2
1
作者 宋雨 肖玉柱 宋学力 《南京大学学报(自然科学版)》 CAS CSCD 北大核心 2023年第2期263-272,共10页
无监督特征选择是无标签高维数据预处理过程中一种有效的数据降维技术,然而大多数无监督特征选择算法忽略了数据样本本身的类簇结构特性,选择具有低判别性信息的特征.基于此,提出一种基于伪标签回归和流形正则化的无监督特征选择算法.... 无监督特征选择是无标签高维数据预处理过程中一种有效的数据降维技术,然而大多数无监督特征选择算法忽略了数据样本本身的类簇结构特性,选择具有低判别性信息的特征.基于此,提出一种基于伪标签回归和流形正则化的无监督特征选择算法.具体地,联合伪标签回归和最大化类间散度来保证算法在迭代过程中学习伪标签,同时,自适应学习数据样本之间的局部几何结构,获得更加精准的标签信息和结构信息,进而选择具有高判别性且能保持数据流形结构的特征.在四个公开数据集上的对比实验表明,提出算法的特征选择结果优于现有的一些无监督特征选择算法. 展开更多
关键词 无监督特征选择算法 判别信息 伪标签回归 最大化类间散度 流形正则化
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部