基于矩阵分解填充的无监督特征选择方法

摘要

无监督特征选择(Unsupervised Feature Selection,UFS)是一种应用广泛的大数据降维技术,然而传统的无监督特征选择算法并不适用于不完整数据集.近年来研究不完整数据下无监督特征选择的关键是如何依靠不完整数据中的信息以获得特征的紧凑筛选.针对不完整数据集的信息利用不够完全以及现有方法填充不够准确的特点,提出基于矩阵分解填充的无监督特征选择方法.该方法利用所有已知信息对不完整数据集进行填充,之后利用基于(l)2,1范数的无监督最大间隔特征选择方法进行特征选择.实验结果表明,该算法提高了聚类精度和填充效果.