基于局部结构学习的非线性属性选择算法

摘要: 针对大多数高维数据之间不仅有相似性，而且还有非线性关系等特点，提出一种基于局部结构学习的非线性属性选择算法。该算法首先通过核函数把数据映射到高维空间，在高维空间中表示出数据属性之间的非线性关系；然后在低维空间中通过局部结构学习来充分挖掘属性之间的相似性，同时通过低秩约束来排除噪声的干扰；最后通过稀疏正则化因子来进行属性选择、核函数映射来找出数据属性之间的非线性关系、局部结构学习来找出数据属性之间的相似性。该算法是一种嵌入了局部结构学习的非线性属性选择算法。实验结果表明，该算法相比其他的对比算法，有更好的效果。