ReliefF特征估計(jì)在流形學(xué)習(xí)中的應(yīng)用.pdf

1、特征提取是數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)以及模式識(shí)別等領(lǐng)域研究的關(guān)鍵問(wèn)題之一。其目的是刪除無(wú)關(guān)信息、冗余信息,減少特征維數(shù)、存儲(chǔ)空間,降低噪聲干擾、計(jì)算復(fù)雜度以及提高模型泛化能力等。本文研究一種新的過(guò)濾一包裝組合式特征提取方法,即在流形學(xué)習(xí)的基礎(chǔ)上引入ReliefF特征估計(jì)方法。主要研究工作有:
　　 (1)ReliefF特征估計(jì)方法與流形學(xué)習(xí)的結(jié)合。本文提出的改進(jìn)算法ReliefFM針對(duì)流形學(xué)習(xí)存在的對(duì)噪聲敏感、易受缺失值影響問(wèn)題以及現(xiàn)實(shí)

2、世界數(shù)據(jù)的結(jié)構(gòu)復(fù)雜性和稀疏程序大等問(wèn)題,引入了ReliefF特征估計(jì)以改進(jìn)流形學(xué)習(xí)方法的不足。實(shí)驗(yàn)結(jié)果表明,改進(jìn)算法不僅能夠抗噪聲、處理缺失值,而且也提高了特征選取后數(shù)據(jù)集的分類(lèi)準(zhǔn)確率。
　　 (2)本文使用了流形學(xué)習(xí)中有代表性的局部線(xiàn)性嵌入算法,ReliefF特征估計(jì)方法,UCI中的Acene數(shù)據(jù)集,libSVM分類(lèi)器以及WEKA數(shù)據(jù)挖掘工具進(jìn)行實(shí)驗(yàn)。分四種情況:一是不使用特征提取方法；二是僅使用ReliefF特征估計(jì)方法；三