基于潜在表示和张量学习的多视图无监督特征选择方法
Multi-view unsupervised feature selection guided by latent representation and tensor learning
宁波大学 信息科学与工程学院, 浙江 宁波 315211
摘要
针对多视图无监督特征选择中，直接基于原始噪声特征构图易忽略全局结构，且传统多图融合方法因视图异质性难以有效挖掘共享一致信息的问题，提出一种结合潜在表示与张量学习的特征选择模型。该方法首先将原始多视图数据映射至公共潜在空间以捕获高层语义结构，并在此基础上进行子空间学习以剔除不相关特征；进一步引入谱表示保持共享局部几何结构，并采用低秩张量约束建模视图间高阶交互，同时在特征回归框架中融入范数正则化以提升鲁棒性。该方法通过潜在表示学习与张量高阶关联建模，能够更有效地捕获多视图数据的一致结构与内在判别信息，从而提升特征选择的稳定性和代表性。在六个公开基准数据集上的实验结果表明，所提方法在多种评价指标上均显著优于当前主流方法。
关键词
基金项目
自然科学基金资助项目(61906101)
浙江省自然科学基金资助项目(LQ18F020001)
出版信息
DOI: 10.19734/j.issn.1001-3695.2025.09.0394
出版期卷: 《计算机应用研究》 优先出版, 2026年第43卷 第5期
发布历史
[2026-01-20] 优先出版
引用本文
蒋剑军, 谢锡炯. 基于潜在表示和张量学习的多视图无监督特征选择方法 [J]. 计算机应用研究, 2026, 43 (5). (2026-01-20). https://doi.org/10.19734/j.issn.1001-3695.2025.09.0394. (Jiang Jianjun, Xie Xijiong. Multi-view unsupervised feature selection guided by latent representation and tensor learning [J]. Application Research of Computers, 2026, 43 (5). (2026-01-20). https://doi.org/10.19734/j.issn.1001-3695.2025.09.0394. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
