| 局部和稀疏保持无监督特征选择法 |
| |
| 引用本文： | 简彩仁,陈晓云.局部和稀疏保持无监督特征选择法[J].华侨大学学报(自然科学版),2015,0(1):111-115. |
| |
| 作者姓名： | 简彩仁 陈晓云 |
| |
| 作者单位： | 福州大学 数学与计算机科学学院, 福建 福州 350116 |
| |
| 基金项目： | 国家自然科学基金资助项目(11301084)；福建省自然科学基金资助项目 |
| |
| 摘 要： | 利用局部保持投影和稀疏保持投影来刻画数据的本质结构,结合L2,1范数的组稀疏性来选择特征,提出一种新的针对高维小样本数据集的无监督特征选择算法.实验表明:局部和稀疏保持无监督特征选择法是一种有效的无监督特征选择方法;平衡参数对实验结果有较大的影响.
|
| 关 键 词： | 局部保持投影 稀疏保持投影 高维小样本 无监督 特征选择 聚类 |
Unsupervised Feature Selection Using Locality and Sparsity Preserving |
| |
| JIAN Cai-ren,CHEN Xiao-yun.Unsupervised Feature Selection Using Locality and Sparsity Preserving[J].Journal of Huaqiao University(Natural Science),2015,0(1):111-115. |
| |
| Authors: | JIAN Cai-ren CHEN Xiao-yun |
| |
| Institution: | College of Mathematics and Computer Science, Fuzhou University, Fuzhou 350116, China |
| |
| Abstract: | By locality preserving projection and sparsity preserving projection to represent the intrinsic geometrical structure of the data set and use the group sparse of L2,1 norm, one new unsupervised feature selection method for high-dimensionality small sample data set is proposed. Experimental results show that the method is effective and sensitive to balance parameter. |
| |
| Keywords: | locality preserving projection sparsity preserving projection high-dimensionality small sample unsuper-vised feature selection clustering |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《华侨大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《华侨大学学报(自然科学版)》下载免费的PDF全文 |
