论文部分内容阅读
摘要：特征提取是高维数据降维的常用方法之一，特征提取的效果会直接影响后续处理方法的性能。本文提出了联合嵌入学习与稀疏回归进行特征提取的方法，在采用图的拉普拉斯变换描述数据特征的同时，添加了L2．1标准化稀疏约束进行特征选择。此外，本文还包括这种方法的收敛性，计算复杂度的分析，并在典型图像和生物实测数据上开展了方法验证，实验结果表明，该方法能有效地提取出所需的特征，且具有很高的准确率。与传统的非监督的特征提取方法相比，本文提出的方法综合了嵌入学习与稀疏回归的优点。