Manifold Deep Unfolding PCA

新的流形深度展开PCA方法增强了无监督特征选择

研究人员开发了一种名为流形深度展开PCA（MDUFS-Net）的新型无监督特征选择方法。该方法将$\ell_{2,0}$-范数整合到主成分分析中，并将基于ADMM的算法展开为一个可训练的网络，以实现自动参数学习。增强版本MDUFS-Net+进一步纳入了$\ell_{0}$-范数以改进特征表示。实验表明，MDUFS-Net和MDUFS-Net+在特征选择任务上的表现优于现有方法，并在聚类任务中展现出有希望的结果。