基于图优化的自动加权多视图特征选择
机器学习
2021-04-13 v1 人工智能
摘要
本文关注无监督多视图特征选择，其致力于处理多视图学习领域中的高维数据。尽管一些基于图的方法已取得令人满意的性能，它们忽略了不同视图间的底层数据结构。此外，其预定义的拉普拉斯图对原始数据空间中的噪声敏感，且无法获得最优邻域分配。为解决上述问题，我们提出了一种基于图学习的新型无监督多视图特征选择模型，贡献有三：（1）在特征选择过程中，学习不同视图共享的一致相似图。因此，所提模型能从特征子集中揭示数据关系。（2）添加合理的秩约束以优化相似矩阵从而获得更精确的信息；（3）提出自动加权框架以自适应分配视图权重，并给出一种有效的交替迭代算法来优化该问题。在多个数据集上的实验证明了所提方法相对于最先进方法的优越性。
引用
@article{arxiv.2104.04906,
title = {Auto-weighted Multi-view Feature Selection with Graph Optimization},
author = {Qi Wang and Xu Jiang and Mulin Chen and Xuelong Li},
journal= {arXiv preprint arXiv:2104.04906},
year = {2021}
}