دوره 20، شماره 3 - ( مجله مهندسی برق و الکترونیک ایران - جلد 20 شماره 3 1402 )
جلد 20 شماره 3 صفحات 148-135 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Salehnezhad K, Daneshpour N. Scalable unsupervised feature selection via matrix learning and bipartite graph theory. Journal of Iranian Association of Electrical and Electronics Engineers 2023; 20 (3) :135-148
URL: http://jiaeee.com/article-1-1374-fa.html
URL: http://jiaeee.com/article-1-1374-fa.html
صالح نژاد کوثر، دانشپور نگین. انتخاب ویژگی غیرنظارتی مقیاس پذیر توسط یادگیری ماتریس و تئوری گراف دوقسمته. نشریه مهندسی برق و الکترونیک ایران. 1402; 20 (3) :135-148
دانشکده مهندسی کامپیوتر- دانشگاه تربیت دبیر شهید رجایی
چکیده: (171 مشاهده)
با گسترش سریع تکنولوژی، حجم عظیمی از دادههای بدون برچسب با ابعاد زیاد، نیاز به پردازش پیدا کردند. برای کاهش ابعاد، انتخاب ویژگی غیرنظارتی، به عنوان یک پیشمرحله مهم قبل از وظایف یادگیری ماشین، شناخته میشود. در این مقاله، یک روش انتخاب ویژگی غیرنظارتی پیشنهاد میشود. روش مذکور بر اساس گراف ماتریس و ماتریس وزنی، به صورت پویا و مقیاسپذیر عمل میکند. برای بهبود عمکرد این روش، به جای استفاده از تابع لاگرانژ در ساخت ماتریس وزنی، تئوری گراف دو قسمته اعمال میشود. انتخاب ویژگی روی گراف ماتریس انجام میشود. این گراف با به کارگیری k نزدیکترین همسایه ساخته میشود، که روش را نسبت به نویز مقاوم تر میکند. همچنین ساختار سراسری دادهی اصلی، از طریق ساخت ماتریس وزن بازسازیشده با کمک محدودیت رتبه پایین، حفظ میشود. علاوهبراین، نمرهی ویژگی، که بهطور صریح قدرتمندی ویژگیها را منعکس میکند، با کمک تابع Frobenius norm مدل میشود. روش پیشنهادی با روشهای مشابه در سه معیار دقت کلاسبندی، حساسیت به پارامتر و پیچیدگی زمانی مقایسه شدهاست. آزمایشها نشان میدهد که دقت کلاسبندی روش ارائه شدهی این مقاله، به طور متوسط 2.83% بهبود یافتهاست. همچنین پیچیدگی زمانی آن تا max{O(n2d),O(nm)} کاهش یافتهاست، که n تعداد نمونهها، d تعداد ویژگیها و m تعداد نقاط لنگر هستند.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License (CC BY NC 4.0) قابل بازنشر است. |
