基于自表示的无监督特征选择能够处理未标记数据且不受伪标签影响.为了令此类方法同时具有良好的鲁棒性、保留样本局部结构、能选出最具代表性的特征,提出了一种新的方法,并设计了一个对应的迭代优化算法来计算其目标函数.该方法先对样本异常值进行识别和处理,然后将传统的自表示模型与非凸稀疏约束和流形正则结合形成目标模型,再将预处理后的数据放入模型进行特征选择,最后使用所选特征进行聚类.将所提方法在9个真实数据集上与7种方法进行对比实验,实验结果表明,所提方法可以有效解决无监督特征选择问题.