抗噪高阶结构
该特征选择方法通过图扩散捕获样本间的高阶结构，并利用HSIC最大化特征与标签的相关性，相比仅依赖局部成对关系的现有方法更能抵抗原始特征中的噪声。
Ma, Jiajun · Xu, Fei · 容晓峰
Pattern Recognition 2024
利用图扩散保留高阶结构，降低了对原始特征中噪声的敏感性。
通过自适应图扩散学习潜在子空间，保留四元组之间的高阶结构信息。
引入HSIC确保潜在表示与标签之间具有最大统计依赖性，提升所选特征的判别力。
扩展版本LMFS-AGD进一步考虑标签间相关性，使特征选择更具判别性。