IJCAI-2024《Efficient Multi-view Unsupervised Feature Selection with Adaptive Structure Learning》

2. 核心思想

这篇论文提出了一种高效的多视图无监督特征选择方法（EMUFS）。其核心思想旨在解决现有方法面临的三个主要挑战：传统方法简单拼接视图或引入额外参数加权、忽视数据的聚类信息、以及在原始特征上探索所有样本的相似结构导致计算成本高且易受噪声影响。

EMUFS 的核心策略包括：

1. 二分图构建：不在所有样本之间构建nnn阶图，而是在样本（samples）和锚点（anchors）之间构建二分图，以降低计算复杂度。
2. 协同融合：设计了一种无参数的方式，协同融合成员矩阵（membership matrices）和图结构，以学习跨视图兼容的结构信息，自然平衡不同视图。
3. 自适应结构学习：利用l2,0l_{2,0}