Unsupervised feature selection for multi-cluster data

特征选择 计算机科学 人工智能 聚类分析 选择(遗传算法) 模式识别(心理学) 特征学习 机器学习 星团(航天器) 无监督学习 数据挖掘 特征(语言学) 最小冗余特征选择 高维数据聚类 语言学 哲学
作者
Deng Cai,Chiyuan Zhang,Xiaofei He
出处
期刊:Knowledge Discovery and Data Mining 被引量:741
标识
DOI:10.1145/1835804.1835848
摘要

In many data analysis tasks, one is often confronted with very high dimensional data. Feature selection techniques are designed to find the relevant feature subset of the original features which can facilitate clustering, classification and retrieval. In this paper, we consider the feature selection problem in unsupervised learning scenario, which is particularly difficult due to the absence of class labels that would guide the search for relevant information. The feature selection problem is essentially a combinatorial optimization problem which is computationally expensive. Traditional unsupervised feature selection methods address this issue by selecting the top ranked features based on certain scores computed independently for each feature. These approaches neglect the possible correlation between different features and thus can not produce an optimal feature subset. Inspired from the recent developments on manifold learning and L1-regularized models for subset selection, we propose in this paper a new approach, called Multi-Cluster Feature Selection (MCFS), for unsupervised feature selection. Specifically, we select those features such that the multi-cluster structure of the data can be best preserved. The corresponding optimization problem can be efficiently solved since it only involves a sparse eigen-problem and a L1-regularized least squares problem. Extensive experimental results over various real-life data sets have demonstrated the superiority of the proposed algorithm.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
lujia完成签到 ,获得积分10
4秒前
una完成签到,获得积分10
4秒前
5秒前
熹微发布了新的文献求助10
10秒前
流星完成签到,获得积分10
10秒前
12秒前
13秒前
shapvalue发布了新的文献求助10
14秒前
昏睡的半莲完成签到 ,获得积分20
15秒前
15秒前
石人达完成签到 ,获得积分10
16秒前
HYCT完成签到 ,获得积分10
18秒前
18秒前
19秒前
una发布了新的文献求助10
19秒前
shaco发布了新的文献求助10
20秒前
孙长胜完成签到,获得积分10
20秒前
wyr525完成签到,获得积分10
21秒前
22秒前
山楂看海完成签到,获得积分10
23秒前
tramp应助llzuo采纳,获得20
23秒前
25秒前
26秒前
SciGPT应助wyr525采纳,获得10
27秒前
不配.应助蓝波酱采纳,获得10
27秒前
小甘看世界完成签到,获得积分10
29秒前
轻松刚发布了新的文献求助10
30秒前
啊啊啊完成签到 ,获得积分10
31秒前
子不语完成签到,获得积分10
34秒前
35秒前
36秒前
brave heart完成签到,获得积分10
38秒前
38秒前
lujia关注了科研通微信公众号
40秒前
顾矜应助Leeny采纳,获得10
40秒前
40秒前
浮生发布了新的文献求助10
42秒前
淡dan完成签到,获得积分10
44秒前
47秒前
48秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Le dégorgement réflexe des Acridiens 800
Defense against predation 800
Very-high-order BVD Schemes Using β-variable THINC Method 568
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3136151
求助须知:如何正确求助?哪些是违规求助? 2787065
关于积分的说明 7780419
捐赠科研通 2443217
什么是DOI,文献DOI怎么找? 1298945
科研通“疑难数据库(出版商)”最低求助积分说明 625294
版权声明 600870