典型文献
基于特征正则稀疏关联的无监督特征选择方法
文献摘要：
针对高维无标签数据中的特征冗余问题,提出一种基于特征正则稀疏关联的无监督特征选择方法(FRSA).建立特征选择模型:利用Frobenius范数建立损失函数项表示特征之间的关联关系,对特征权重矩阵施加L1稀疏正则化约束.设计一种分治-收缩阈值迭代算法对目标函数进行优化.根据特征权重评估每个特征的重要性,选择出具有代表性的特征.在6个不同类型的标准数据集上与目前常用的无监督特征选择方法进行对比实验,实验结果表明,所提方法的性能优于其它无监督特征选择方法.
文献关键词：
特征选择;特征关联;稀疏表示;收缩阈值;正则化
中图分类号：
作者姓名：
白圣子;降爱莲
作者机构：
太原理工大学 信息与计算机学院,山西 晋中 030600
文献出处：
引用格式：
[1]白圣子;降爱莲-.基于特征正则稀疏关联的无监督特征选择方法)[J].计算机工程与设计,2022(04):969-976
A类：
FRSA
B类：
无监督特征选择,选择方法,高维,无标签数据,Frobenius,范数,损失函数,数项,关联关系,特征权重,权重矩阵,L1,稀疏正则化,正则化约束,分治,收缩阈值,阈值迭代,值迭代算法,标准数据集,特征关联,稀疏表示
AB值：
0.322419
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
