基于流形学习与L2,1范数的无监督多标签特征选择

摘要

针对现有的嵌入式多标签特征选择方法只能分析有标签样本,无法利用大量"廉价"的无标签样本信息的问题,提出一种基于流形学习与L2,1范数的无监督多标签特征选择方法.该算法在L2,1范数回归的基础上,用特征流形和数据相似矩阵约束特征权重矩阵和伪标签矩阵,从而达到特征选择的目的.实验结果表明,所提方法的各指标性能优于SCLS、MDMR等特征选择方法,充分体现所提算法的可行性.