انتخاب ویژگی نیمه نظارتی مبتنی بر خودرمزنگار گراف با حفظ ساختار محلی-گسترده

پردازش داده های با ابعاد بالا چالش مهمی در حوزه های مختلف است و انتخاب ویژگی به عنوان روشی موثر برای کاهش ابعاد، نقش کلیدی در بهبود عملکرد مدل های یادگیری ماشین دارد. از آنجا که برچسب گذاری داده ها پرهزینه و زمان بر است، انتخاب ویژگی نیمه نظارتی که از داده های بدون برچسب نیز استفاده کند، اهمیت ویژه ای دارد. در این مقاله، یک روش انتخاب ویژگی نیمه نظارتی تنک مبتنی بر خودرمزنگار گراف ارائه می شود که دو نوآوری اصلی دارد: (۱) ترکیب خودرمزنگار برای حفظ ساختار کلی داده و گراف طیفی نیمه نظارتی برای حفظ ساختار محلی و اطلاعات برچسب (۲) اعمال منظم سازی نرم-L_(۲,۱)  برروی ماتریس وزن رمزگذار تا سطرهای غیرموثر به صفر میل کرده و ویژگی های نامرتبط به طور خودکار حذف شوند. بهینه سازی مسئله با الگوریتم گرادیان و پس انتشار انجام شده و مشتق منظم سازی در به روزرسانی پارامترها لحاظ می شود؛ بدین ترتیب انتخاب ویژگی به صورت درون مدلی و هم زمان با آموزش شبکه انجام می گیرد. روش پیشنهادی بر روی شش مجموعه داده استاندارد UCI شامل ORL، ATT، WBCD، WDBC، QSAR  و پارکینسون ارزیابی و با پنج روش مرجع مقایسه شد. معیار ارزیابی، دقت طبقه بندی با استفاده از ماشین بردار پشتیبان و k-نزدیک ترین همسایه بود. نتایج دو طبقه بند برروی شش مجموعه داده به ترتیب ۷۸/۰، ۸۸/۰، ۹۸/۰، ۹۷/۰، ۸۱/۰، ۹۱/۰ و ۷۵/۰، ۹۲/۰، ۹۷/۰، ۹۴/۰، ۸۲/۰، ۹۲/۰ نشان داد که روش پیشنهادی در اغلب موارد عملکرد برتری دارد. این یافته ها تایید می کنند که چارچوب پیشنهادی با بهره گیری همزمان از ساختار داده و منظم سازی تنک، قادر به انتخاب مجموعه ای کارآمد از ویژگی ها در شرایط نیمه نظارتی است.

کلیدواژه ها:

انتخاب ویژگی نیمه نظارتی ، خودرمزنگار ، مدل های تنک ، منظم سازی نرمL_(۲ ، ۱)