《表1 计算复杂度比较：稀疏回归和流形学习的无监督特征选择算法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《稀疏回归和流形学习的无监督特征选择算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

计算复杂度是算法的关键指标，本节分析所提算法的计算复杂度。在算法中模型式（5）的优化分为交替迭代解决问题式（6）和（13）。通过求解式（12）解决问题式（6），计算复杂度为Ο（n2）；通过求解式（16）解决问题式（13），计算复杂度为Ο（d3）。因此，SMUF的计算复杂度为Ο（n2+d3），其中n和d分别是样本数和特征数。表1说明了在无监督特征选择领域中所提方法与其他几种常用方法的计算复杂度差异。表1中，c是类数，m是相关方法中的降维数，p是结构图中的邻域数。从表1可以看出，稀疏回归的计算复杂度总是取决于d3且大部分方法的计算复杂度取决于n2，SMUF与其他方法相比计算复杂度并不高。