| 基于自编码器和流形正则的结构保持无监督特征选择 |
| |
| 引用本文： | 杨蕾,降爱莲,强彦. 基于自编码器和流形正则的结构保持无监督特征选择[J]. 计算机科学, 2021, 48(8): 53-59. DOI: 10.11896/jsjkx.200700211 |
| |
| 作者姓名： | 杨蕾 降爱莲 强彦 |
| |
| 作者单位： | 太原理工大学信息与计算机学院 山西 晋中030600 |
| |
| 基金项目： | 国家自然科学基金（61872261）;;山西省回国留学人员科研资助项目（2017-051）~~; |
| |
| 摘 要： | 高维数据中存在着大量的冗余和不相关特征,严重影响了数据挖掘的效率、质量以及机器学习算法的泛化性能,因此特征选择成为计算机科学与技术领域的重要研究方向.文中利用自编码器的非线性学习能力提出了一种无监督特征选择算法.首先,基于自编码器的重建误差选择出单个特征对数据重建贡献大的特征子集.其次,利用单层自编码器的特征权重最终选...
|
| 关 键 词： | 特征选择 子空间学习 流形正则 结构保持 自编码器 |
Structure Preserving Unsupervised Feature Selection Based on Autoencoder and Manifold Regularization |
| |
| YANG Lei,JIANG Ai-lian,QIANG Yan. Structure Preserving Unsupervised Feature Selection Based on Autoencoder and Manifold Regularization[J]. Computer Science, 2021, 48(8): 53-59. DOI: 10.11896/jsjkx.200700211 |
| |
| Authors: | YANG Lei JIANG Ai-lian QIANG Yan |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
