摘要：提出了一种改进的同时正交基聚类特征选择(Improved Unsupervised Simultaneous Orthogonal Basis Clustering Feature Selection,ISOCFS)方法.为有效地对无标签数据进行特征选择,利用目标矩阵来设计正则化的回归模型.目标矩阵通过正交基聚类,获取投影数据点的潜在聚类中心,引导投影矩阵选择判别性的特征.与先前的无监督特征选择方法不同,ISOCFS并不使用数据点预先计算局部结构信息描述目标函数,而是利用目标矩阵进行正交基聚类直接计算潜在的聚类信息.其次,为了减少噪声信息对估计目标矩阵和投影矩阵的干扰,在先前方法基础上,增加了噪声项.另外,利用简单的优化算法即可求解.最后,通过4个常见的微阵列基因表达数据集及5种最近的无监督特征选择方法进行对比实验,证明了ISOCFS方法可以获得更好的聚类效果.
