基于類重疊與有效范圍的特征選擇技術(shù)研究.pdf

1、科技發(fā)展帶來(lái)數(shù)據(jù)維度的不斷升高，對(duì)知識(shí)發(fā)現(xiàn)提出了更高的要求和挑戰(zhàn)。從海量數(shù)據(jù)中發(fā)掘有意義的信息是數(shù)據(jù)挖掘研究的重點(diǎn)，也是各行各業(yè)關(guān)注的熱點(diǎn)。特征選擇是降低數(shù)據(jù)維度的有效方法，從高維數(shù)據(jù)中選出區(qū)分能力強(qiáng)、具有研究意義的特征，不僅能降低數(shù)據(jù)維度，縮短運(yùn)行時(shí)間，還能提高分類性能，發(fā)現(xiàn)數(shù)據(jù)中潛在的信息和研究?jī)r(jià)值。
　　數(shù)據(jù)質(zhì)量能影響分類性能，從高維數(shù)據(jù)中選出富含信息、具有區(qū)分能力的特征能改善數(shù)據(jù)的質(zhì)量，提高分類性能。無(wú)關(guān)特征具有較少的信息

2、，對(duì)數(shù)據(jù)分布影響較少。特征打亂前后對(duì)數(shù)據(jù)分布的改變，反映了特征所含信息的多少。因此，本文結(jié)合特征打亂和類重疊區(qū)域R-value，提出了一種融合的無(wú)監(jiān)督特征選擇算法EUFSPR，該方法在對(duì)特征進(jìn)行評(píng)價(jià)時(shí)還結(jié)合了聚類技術(shù)、融合技術(shù)、以及數(shù)據(jù)評(píng)價(jià)技術(shù)。類重疊面積R-value用來(lái)度量不同類別樣本間的重疊程度;利用聚類技術(shù)對(duì)樣本聚類，以便更好地發(fā)現(xiàn)隱藏的數(shù)據(jù)結(jié)構(gòu);結(jié)合融合的抽樣技術(shù)可以提高特征選擇的穩(wěn)定性。10個(gè)公共數(shù)據(jù)集的聚類和分類結(jié)果表明，

3、該算法在缺少類標(biāo)信息的指導(dǎo)下也是一種良好的數(shù)據(jù)預(yù)處理方法，能有效地提高數(shù)據(jù)的質(zhì)量和分類性能。
　　特征在不同類別樣本間的重疊區(qū)域反應(yīng)了特征的區(qū)分能力。具有良好區(qū)分能力的特征，能將不同類別的樣本較好的區(qū)分開(kāi)，使不同類別樣本的重疊區(qū)域較小。本文根據(jù)特征在各類樣本中分布的有效范圍及每一區(qū)域不同類別樣本的分布密度，提出一種基于特征有效范圍的前向特征選擇及融合分類算法FFS-ER。該算法對(duì)每個(gè)特征建立其相應(yīng)的單變量分類器，在進(jìn)行前向搜索的過(guò)