關鍵詞：無監督學習 低秩表示 圖嵌入 特征選擇 

摘要：大數據應用帶來高維數據急劇增加,數據降維已成為重要問題.特征選擇降維方法已廣泛應用于模式識別領域,近年來提出了許多基于流形學習的特征選擇方法,然而這類方法往往容易受到各種噪聲影響.對此,本文提出一種聯合低秩表示和圖嵌入的高效無監督特征選擇方法(JLRRGE).通過低秩表示尋找數據在低秩子空間下的表示,降低噪聲的影響從而提高算法的魯棒性,并通過自適應圖嵌入方法,使選擇特征保持原有的局部關系.實驗結果表明,本文提出算法的分類準確率優于其他對比算法.

廣東工業大學學報雜志要求:

{1}圖像要求足夠清晰，數量可達20～30幅，并貫穿文字說明和評析。

{2}文稿內容應包括：文章題名、作者署名、作者單位、摘要、關鍵詞、引言、正文、結束語或結論、參考文獻等。

{3}來稿一經接受刊登，由作者親筆簽署論文專有使用權授權書，該論文的專有使用權即歸本刊編輯部所有。

{4}屬于課題基金項目的成果或論文，請在首頁注明基金項目類別、課題項目名稱及編號。如有鳴謝文字請附于文末。

{5}關鍵詞應有3～5個。詞與詞之間用分號分隔。

注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社