GOLFS：基于全局与局部信息组合的高维聚类特征选择
机器学习
2025-07-16 v1 机器学习
摘要
对于高维聚类问题，识别判别性特征至关重要。然而，由于缺乏聚类标签，不能直接应用为监督特征选择开发的正则化方法。为同时学习伪标签并选择判别性特征，我们提出了一种新的无监督特征选择方法，称为 GlObal and Local information combined Feature Selection（GOLFS），用于高维聚类问题。GOLFS 算法通过流形学习结合局部几何结构，再通过正则化自表示来结合样本的全局相关结构，以选择判别性特征。该组合通过利用更全面的信息提高了特征选择和聚类 accuracy。此外，提出了一个迭代算法来求解优化问题，并证明了其收敛性。仿真实验和两个真实数据应用表明，GOLFS 在特征选择和聚类方面表现出色。
引用
@article{arxiv.2507.10956,
title = {GOLFS: Feature Selection via Combining Both Global and Local Information for High Dimensional Clustering},
author = {Zhaoyu Xing and Yang Wan and Juan Wen and Wei Zhong},
journal= {arXiv preprint arXiv:2507.10956},
year = {2025}
}