基于流形鉴别信息的特征选择及其结构化稀疏表示
来源期刊:控制与决策2016年第7期
论文作者:钱彬 唐振民 李雪 徐威
文章页码:1272 - 1278
关键词:特征选择;流形学习;结构化稀疏;聚类;
摘 要:针对启发式特征选择策略忽略了特征间相关信息导致子最优的问题,提出一种基于流形鉴别信息的特征选择(MDFS)算法.该算法根据近邻信息和标签信息刻画高维数据类内和类间流形结构,以最小化流形散度差为准则构建目标函数,并增加结构化稀疏正则项降低特征间冗余.通过统一框架下的特征权重迭代优化获得最优特征子集.在ORL库、COIL20库、Isolet1库上的聚类实验表明,MDFS算法选取的特征子集相比传统算法具有更高的识别准确率和归一化互信息,验证了所提出算法的有效性.
钱彬,唐振民,李雪,徐威
南京理工大学计算机科学与工程学院
摘 要:针对启发式特征选择策略忽略了特征间相关信息导致子最优的问题,提出一种基于流形鉴别信息的特征选择(MDFS)算法.该算法根据近邻信息和标签信息刻画高维数据类内和类间流形结构,以最小化流形散度差为准则构建目标函数,并增加结构化稀疏正则项降低特征间冗余.通过统一框架下的特征权重迭代优化获得最优特征子集.在ORL库、COIL20库、Isolet1库上的聚类实验表明,MDFS算法选取的特征子集相比传统算法具有更高的识别准确率和归一化互信息,验证了所提出算法的有效性.
关键词:特征选择;流形学习;结构化稀疏;聚类;