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。