摘要：
无监督特征选择可以降低数据维数，提高算法的学习性能，是机器学习和模式识别等领域中的重要研究课题。和大多数在目标函数中引入稀疏正则化解决松弛问题的方法不同，提出了一种基于最大熵和[二，0]范数约束的无监督特征选择算法。使用具有唯一确定含义的[二，0]范数等式约束，即选择特征的数量，不涉及正则化参数的选取，避免调整参数。结合谱分析探索数据的局部几何结构并基于最大熵原理自适应的构造相似矩阵。通过增广拉格朗日函数法，设计了一种交替迭代优化算法对模型求解。在四个真实数据集上与其他几种无监督特征选择算法的对比实验，验证了所提算法的有效性。
周婉莹，马盈仓，续秋霞，郑毅. 最大熵和[二，0]范数约束的无监督特征选择算法[J] ●●●●。计算机工程与应用, 2020, 56(11): 51-59.
周婉莹、马颖苍、徐秋霞、郑毅。基于最大熵和[12,0]范数约束的无监督特征选择算法[J]。计算机工程与应用，2020，56（11）：51-59。
