基于稀疏图表示的特征选择方法研究

摘要

特征选择旨在降低待处理数据的维度,剔除冗余特征,是机器学习领域的关键问题之一.现有的半监督特征选择方法一般借助图模型提取数据集的聚类结构,但其所提取的聚类结构缺乏清晰的边界,影响了特征选择的效果.为此,提出一种基于稀疏图表示的半监督特征选择方法,构建了聚类结构和特征选择的联合学习模型,采用l1范数约束图模型以得到清晰的聚类结构,并引入l2、1范数以避免噪声的干扰并提高特征选择的准确度.为了验证本方法的有效性,选择了目前流行的几种特征方法进行对比分析,实验结果表明了本方法的有效性.