无监督特征选择算法在盲分选中的应用

摘要

特征选择是机器学习中常用的降维方法之一，特征选择结果的好坏直接影响着分类器的分类精度和泛化性能。在描述特征选择算法框架的基础上，分别介绍三种无监督的特征选择算法：基于主成分分析（PCA）的特征选择算法、基于拉普拉斯得分（LS）的特征选择算法及基于谱分析（FSSA）的无监督特征选择算法，并将以上算法应用于目标的盲分选中。对不同信噪比条件下的实际信号，分别利用以上算法对特征进行降维，然后利用挑选出的特征子集对目标进行聚类分选，实验结果表明，基于谱分析的特征选择算法能够得到较高的分选正确率。