范林歌，武欣嵘，童 玮，曾维军

（陆军工程大学，江苏 南京 210007)

0 引言

随着科技的飞速发展，产生了大量数据，而且用于数据挖掘的数据维数越来越大，但高维数据不可避免地含有冗余信息，这不利于后续的数据分析与挖掘。特征选择和特征提取是处理这些高维数据的有力工具。它们的主要区别是特征选择保留原有特征，而特征提取产生新的特征。但是特征选择更具有可解释性，所以本文将重点放在特征选择技术上。

特征选择的目标是从原始特征中选择一个子集，这些子集对后续的任务具有信息性和价值。此外，所选特征还可以加快数据处理速度，提高模型的泛化能力。根据是否使用标签信息，特征选择方法可以分为监督特征选择[1]、半监督特征选择[2-3]和无监督特征选择[4]（Unsupervised Feature Selection，UFS）3 种不同类型。有监督特征选择通过评估特征与类标签的相关性来确定特征相关性，半监督特征选择同时使用有标签（数量少）和无标签（数量多）数据，而UFS 利用数据方差和可分离性来评估没有任何类标签的特征的相关性。在许多现实应用程序中，数据标签难以获得，重建模型的代价也很高。因此，无监督和半监督的特征选择方法更为实用。本文主要研究UFS。

传统的UFS 方法，比如主成分分析分数法（Principal Components Analysis，PCAScore）[5]和拉普拉斯分数法（Laplacian Score，LapScore）[6]，根据为每个特征计算的分数选择排名最高的特征。Liu 等人[7]提出了一种新的称为多群集特征选择（Multi-Cluster Feature Selection，MCFS）的方法，用于UFS。MCFS 考虑了不同特征之间可能的相关性，并使用了数据的光谱分析（流形学习）和正则化模型进行子集选择。……