期刊专题

10.3969/j.issn.1006-2475.2021.09.017

S2R2:基于相关性与冗余性分析的半监督特征选择

引用
特征选择是模式识别与数据挖掘的关键问题之一,它可以移除数据集中的冗余和不相关特征以提升学习性能.基于最大相关最小冗余准则,提出一种新的基于相关性与冗余性分析的半监督特征选择方法(S2R2),S2R2方法独立于任何分类学习算法.该方法首先对无监督相关度信息度量进行分析与扩充,然后结合信息增益,设计一种半监督特征相关性与冗余性度量,可以有效识别与移除不相关和冗余特征,最后采用增量搜索技术贪婪地构建特征子集,避免搜索指数级大小的解空间,提高算法的运行效率.本文还提出S2R2方法的快速过滤版本,FS2R2,以更好地应对大规模特征选择问题.多个标准数据集上的实验结果表明了所提方法的有效性和优越性.

半监督学习、特征选择、信息论、最大相关最小冗余

TP391(计算技术、计算机技术)

国家自然科学基金资助项目;中央高校基本科研业务费专项资金资助项目

2021-09-22(万方平台首次上网日期,不代表论文的发表时间)

共9页

113-120,126

暂无封面信息
查看本期封面目录

计算机与现代化

1006-2475

36-1137/TP

2021,(9)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn