基于自适应超图的无监督特征选择方法研究.pdf

摘要

摘要

随着信息技术的快速发展，人们可获取数据的规模越来越大，数据维度

也越来越高。数据的高维度特征会导致“维数灾难”，同时会降低下游任务

的性能。此外，获取大量数据的标签在实际中往往需要大量的成本。因此，

如何对高维无标签数据进行特征选择，降低数据维度以高后续任务的性能

已经成为大数据挖掘的一个重要问题。

为了解决上述问题，本文出了基于自适应超图的无监督特征选择方法。

首先，根据不同的核函数方法，本文构建了多个超图来刻画特征间不同的高

阶相关关系。其次，考虑到不同超图之间存在潜在的一致性，本文使用多个

超图学习一个共同超图。此外，为了保留数据的全局信息，高特征的判别

力，本文对特征权重矩阵进行了正交约束。最后，本文将特征学习和自适应

超图学习统一到一个框架中，相互促进，从而有利于选出最优特征子集。

为了验证本文所方法的有效性，将该方法在7个公开数据集上和相关

的特征选择方法进行比较。实验结果表明，本文出的方法在两个评价指标

上具有较优的性能。此外，本文也在一个实际信用数据集上验证了本文方法

的有效性。

关键词：无监督特征选择；自适应超图学习；一致性信息

1

目录

目录

1绪论1

1.1研究背景1

1.2研究意义3

1.3本文研究内容和组织结构3

1.4本章小结5

2国内外研究综述6

2.1特征选择概述6

2.2基于简单图学习的无监督特征选择16

2.3基于超图学习的无监督特征选择19

2.4基于特征选择的经济学案例分析21

2.5本章小结22

3基于自适应超图的无监督特征选择方法研究23

3.1引言23

3.2自适应超图的无监督特征选择24

3.3模型优化28

3.4实验方案及分析32

3.5本章小结41

4面向信用数据特征选择的实证研究42

4.1引言42

4.2信用数据介绍44

4.3实验设计45

4.4实验结果分析46

4.5本章小结47

5本文总结与展望48

5.1本文总结48

1

基于自适应超图的无监督特征选择方法研究

5.2研究展望49

参考文献50

致谢57

2

1绪论

1绪论

1.1研究背景

近些年，随着网络信息技术和多媒体的发展，各行各业的数据都呈现指

数级增长的状态，因此产生了海量的高维数据。各种各样高维数据集的出现

可以使我们更加清晰地了解事物的表象，但高维数据中往往存在大量的冗余

数据和无关数据，为数据集增添了很多没有意义的特征，这会降低机器学习

和信贷风险评估算法的效果，若想从高维数据中获取有用的信息，则需要通

[1]

过降维方法从高维数据中获取有用的特征。因此特征选择方法成为了很多统

计学和机器学习领域的研究者研究的焦点问题之一。从高维数据中挖掘有意

义的特征，称为数据挖掘，它可以从原始的数据集中取出数据内部隐含的，

并对经济社会的生产和人们生活有价值的信息，并且借助计算机技术寻找数

据中蕴含的规律。数据挖掘在模式识别，图像处理和信贷风险等领域有着广