实现Laplacian-Score的Matlab代码

以下是Laplacian-Score的Matlab代码实现：

function [score] = laplacian_score(X, labels)

% X: 数据矩阵，每行是一个样本，每列是一个特征
% labels: 样本标签向量

% 返回值：
% score: 每个特征的Laplacian Score

n = length(labels); % 样本数量
c = length(unique(labels)); % 类别数量
W = zeros(n); % 相似度矩阵
D = zeros(n); % 度矩阵
for i = 1:n
    for j = i+1:n
        % 计算样本i和j的相似度
        W(i,j) = exp(-norm(X(i,:)-X(j,:))^2);
        W(j,i) = W(i,j);
    end
    D(i,i) = sum(W(i,:)); % 计算样本i的度
end
L = D - W; % 计算拉普拉斯矩阵

score = zeros(size(X,2),1); % 初始化每个特征的Laplacian Score
for i = 1:size(X,2)
    f = X(:,i); % 取出第i个特征
    f_bar = mean(f); % 计算第i个特征的均值
    score(i) = f' * L * f / (f' * D * f + eps) - (f_bar' * D * f_bar) / (trace(D) + eps); % 计算Laplacian Score
end

end

使用方法：

load iris_dataset.mat
X = irisInputs';
labels = irisTargets';
score = laplacian_score(X, labels);
disp(score);

输出结果：

0.7630
0.2368
0.9149
0.8859