基于交叉扩散矩阵对齐的多视图无监督特征选择

多视图高维数据在大数据时代变得越来越普遍。特征选择是缓解多视图学习中维数灾难的一种有用技术。本文研究多视图数据的无监督特征选择，因为类标签通常难以获取。传统的特征选择方法大多为单视图数据设计，无法充分利用多视图数据中的丰富信息。现有的多视图特征选择方法通常基于有噪声的聚类标签，这可能无法保留多视图数据的足够信息。为了更好地利用多视图信息，我们提出一种方法 CDMA-FS，通过对交叉扩散矩阵执行对齐来为每个视图选择特征。我们将其表述为一个约束优化问题，并使用基于拟牛顿法的方法求解。在四个真实世界数据集上的实验结果表明，所提方法在多视图设置下比最先进的方法更有效。