基于贝叶斯 Tucker 分解的无监督特征选择方法

《Neural Computation》：Unsupervised Feature Selection Using Bayesian Tucker Decomposition

　　摘要：本文提出了贝叶斯Tucker分解（BTuD）方法，其中残差被认为遵循类似线性回归的高斯分布。虽然我们已提出了一种算法来实现BTuD，但传统的高阶正交迭代也能产生与当前实现一致的Tucker分解。利用所提出的BTuD方法，我们能够成功进行无监督特征选择，并已应用于多种合成数据集、具有随机耦合强度的全局耦合映射以及基因表达谱。因此，我们可以得出结论：我们新提出的无监督特征选择方法是有前景的。此外，基于BTuD的无监督特征提取（FE）预计将与先前提出并成功应用于广泛问题的基于TD的无监督特征提取相一致。