Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

24.07.2018 | Ausgabe 3/2019

Neural Processing Letters 3/2019

\(\hbox {U}^2\hbox {F}^2\hbox {S}^2\): Uncovering Feature-level Similarities for Unsupervised Feature Selection

Zeitschrift:
Neural Processing Letters > Ausgabe 3/2019
Autoren:
Xin Zheng, Yanqing Guo, Jun Guo, Xiangwei Kong
Wichtige Hinweise

Publisher's Note

Springer Nature remains neutral with regard to jurisdictional claims in published maps and institutional affiliations.

Abstract

Unsupervised feature selection is a critical technique in processing high dimensional data containing redundant and noisy features. Based on sample-level similarities, conventional algorithms select features that can preserve the local structure of data points. However, the similarities among all dimensions of features, which play important roles in feature selection, are neglected. In this paper, we propose a novel method dubbed \(\hbox {U}^2\hbox {F}^2\hbox {S}^2\) by uncovering these pivotal similarities for unsupervised feature selection. A feature-level similarity uncovering loss function is first presented to preserve the local structure of data points at the feature level. Specially, we propose two schemes to measure the feature-level similarities from different perspectives. Then, a joint framework of feature selection and clustering is developed to capture the underlying cluster information. The objective function is efficiently optimized by our proposed iterative algorithm. Extensive experimental results on six publicly available databases demonstrate that \(\hbox {U}^2\hbox {F}^2\hbox {S}^2\) outperforms the state-of-the-arts.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 58.000 Bücher
  • über 300 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 3/2019

Neural Processing Letters 3/2019 Zur Ausgabe