一种基于自调整图的鲁棒半监督稀疏特征选择方法

摘要

本发明公开了一种基于自调整图的鲁棒半监督稀疏特征选择方法，构造一个预定义的数据图，依据预定义相似图和特征选择过程学习一个新的相似图替换预定义的数据图，使所提出的模型对初始数据不敏感，在学习新的相似图时，根据输入训练数据的局部几何结构和特征选择的过程进行自调整得到最优的相似图；依据最优相似图进行特征选择，通过拉普拉斯算子探索数据固有的局部几何结构信息，保持数据的平滑性；通过测量简单的线性回归函数与软标签矩阵匹配程度，同时获得最佳的投影矩阵和软标签矩阵；最后，构成基于自调整图的鲁棒半监督稀疏特征选择方法的目标函数；通过一个高效的交替优化算法，解决所提出的问题。