特征选择技术旨在发现原始特征的相关特征子集，从而可以促进聚类，分类和检索。 它是模式识别和机器学习中的重要研究课题。 Feature.selection主要分为两类，即监督方法和非监督方法。 目前的研究主要集中在有监督的研究上。 由于没有可用的标签信息，因此很少有人开发过无监督的功能选择方法。 另一方面，很难评估所选功能。 提出了一种基于扩展熵的无监督特征选择方法。 基于扩展熵的信息损失用于度量特征之间的相关性。 该方法确保了所选特征既具有大的个体信息又具有很少的具有所选特征的冗余信息。 最后，