文献类型：期刊文章

作　　者：刘艳芳[1,2] 叶东毅[2]

LIU Yanfang;YE Dongyi(College of Mathematics and Information Engineering, Longyan University, Longyan 364012;College of Mathematics and Computer Science, Fuzhou University, Fuzhou 350116)

机构地区：[1]龙岩学院数学与信息工程学院,龙岩364012 [2]福州大学数学与计算机科学学院,福州350116

出　　处：《模式识别与人工智能》

基　　金：国家自然科学基金项目(No.61502104);福建省中青年教师教育科研项目(科技类)(No.JAT170577);龙岩学院"百名青年教师攀登项目"(No.LQ2015031;LQ2014010)资助~~

年　　份：2018

卷　　号：31

期　　号：12

起止页码：1096-1102

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：近邻法对不相关特征的敏感性很高,利用邻域重构系数可以保持原有数据结构的优点,为此,文中提出基于邻域保持学习的无监督特征选择算法.首先根据数据样本和邻域的相似性构造相似矩阵,并引入中间矩阵构造低维空间.然后利用拉普拉斯乘子法选择有效特征子集.在4个公开数据集上的实验表明,文中算法可以有效识别代表性特征.

关 键 词：聚类分析 邻域保持  特征选择  无监督学习

分 类 号：TP391]