基于自表達(dá)方法的低秩屬性選擇算法

　　高維特征表示物體（或樣本）能準(zhǔn)確且多樣化地表現(xiàn)物體的特性。因此，高維度數(shù)據(jù)經(jīng)常在機(jī)器學(xué)習(xí)及相關(guān)領(lǐng)域中存在，如文本數(shù)據(jù)、人臉數(shù)據(jù)和生物信息數(shù)據(jù)等。但是，高維數(shù)據(jù)的使用不僅增大了數(shù)據(jù)存儲(chǔ)空間及增加了運(yùn)算時(shí)間的復(fù)雜度，而且在對(duì)數(shù)據(jù)處理過程中容易造成維災(zāi)難等現(xiàn)象。因此，對(duì)高維數(shù)據(jù)進(jìn)行屬性約簡以降低數(shù)據(jù)的維度，從而尋找到具有代表性的低維屬性子集成為機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)。

　　針對(duì)無監(jiān)督屬性選擇算法無類別信息和未考慮屬性的低秩問題，提出一種基于自表達(dá)方法的低秩屬性選擇算法。在損失函數(shù)中使用低秩和自表達(dá)方法描述屬性間的相關(guān)結(jié)構(gòu)，利用K均值聚類算法得到所有樣本的偽類標(biāo)簽進(jìn)行屬性選擇，采用稀疏學(xué)習(xí)方法。一范數(shù)參數(shù)p控制屬性選擇結(jié)果的稀疏性，并通過子空間學(xué)習(xí)方法使屬性選擇結(jié)果達(dá)到全局最優(yōu)。實(shí)驗(yàn)結(jié)果表明，與無監(jiān)督屬性選擇算法相比，該算法在6個(gè)公開數(shù)據(jù)集上均具有較高的分類準(zhǔn)確率及穩(wěn)定性。