摘要：在处理高维数据过程中，特征选择是一个非常重要的数据降维步骤。低秩表示模型具有揭示数据全局结构信息的能力和一定的鉴别能力。稀疏表示模型能够利用较少的连接关系揭示数据的本质结构信息。在低秩表示模型的基础上引入稀疏约束项，构建一种低秩稀疏表示模型学习数据间的低秩稀疏相似度矩阵；基于该矩阵提出一种低秩稀疏评分机制用于非监督特征选择。在不同数据库上将选择后的特征进行聚类和分类实验，同传统特征选择算法进行比较。实验结果表明了低秩特征选择算法的有效性。

关键词：低秩表示 稀疏约束项 低秩稀疏评分 特征选择 

单位：江西理工大学电气工程与自动化学院 江西赣州341000