鲁棒自表达的低秩属性选择算法 |
| |
作者单位: | ;1.广西师范大学广西多源信息挖掘与安全重点实验室;2.广西钦州学院 |
| |
摘 要: | 针对无监督属性选择算法无类别信息和未考虑属性的低秩问题,提出一种基于自表达方法的低秩属性选择算法。在损失函数中使用低秩和自表达方法描述属性间的相关结构,利用K均值聚类算法得到所有样本的伪类标签进行属性选择,采用稀疏学习方法中的l_(2,p)-范数参数p控制属性选择结果的稀疏性,并通过子空间学习方法使属性选择结果达到全局最优。实验结果表明,与无监督属性选择算法相比,该算法在6个公开数据集上均具有较高的分类准确率及稳定性。
|
关 键 词: | 属性选择 子空间学习 K均值聚类 低秩约束 稀疏学习 |
Robust Low-rank Self-representation Feature Selection Algorithm |
| |
Abstract: | |
| |
Keywords: | |
|
|