潛在多步馬爾可夫概率的魯棒無監(jiān)督特征選擇

摘要： 無監(jiān)督特征選擇是機器學習和數(shù)據(jù)挖掘中的一種重要的降維技術。然而當前的無監(jiān)督特征選擇方法側重于從數(shù)據(jù)的鄰接矩陣中學習數(shù)據(jù)的流形結構，忽視非鄰接數(shù)據(jù)對之間的關聯(lián)。其次這些方法都假設數(shù)據(jù)實例具有獨立同一性，但現(xiàn)實中的數(shù)據(jù)樣本其來源是不同的，這樣的假設就不成立。此外，在原始數(shù)據(jù)空間中特征重要性的衡量會受到數(shù)據(jù)和特征中的噪聲影響?；谝陨蠁栴}，本文提出了潛在多步馬爾可夫概率的魯棒無監(jiān)督特...