基于多側(cè)面思想的特征提取方法的研究.pdf

1、特征提取是機(jī)器學(xué)習(xí)、模式識(shí)別和數(shù)據(jù)挖掘等領(lǐng)域中的一個(gè)關(guān)鍵問題，它是研究如何從高維特征數(shù)據(jù)中提取出那些對(duì)分類識(shí)別最有效的特征，從而實(shí)現(xiàn)對(duì)特征空間的降維，進(jìn)而實(shí)現(xiàn)更好地識(shí)別、分類。隨著計(jì)算機(jī)硬件快速而持續(xù)的發(fā)展，特別是伴隨著互聯(lián)網(wǎng)和通信技術(shù)的發(fā)展，數(shù)據(jù)量正以極高的速度增長(zhǎng)。近年來，一些高維特征領(lǐng)域的興起，比如基因檢測(cè)、文本檢索等，更使得數(shù)據(jù)呈現(xiàn)海量高維的態(tài)勢(shì)。面對(duì)海量高維的信息，當(dāng)務(wù)之急是撥冗見真，對(duì)之進(jìn)行有效的信息提取。因此廣泛應(yīng)用于計(jì)算

2、機(jī)各項(xiàng)自動(dòng)化處理的預(yù)處理操作一特征提取就顯得尤為重要。
　　 關(guān)于特征提取方面的研究已有不少較為成熟的方法。從形式上可以分為特征選擇和特征抽取，基于這兩種形式的特征提取算法，在性能的改進(jìn)也是研究人員們所關(guān)注的熱點(diǎn)。目前已有的方法，都是以找到一組適合全體樣本的屬性子集為目標(biāo)的?？紤]到樣本之間的差異性，多側(cè)面(Multi-side)特征提取方法把樣本集分成若干子集，對(duì)每個(gè)子集選取各自適合的特征子集的做法，是一種創(chuàng)新。
　　

3、本文所做的主要工作和創(chuàng)新點(diǎn)如下：
　　 1、本文首先對(duì)特征提取的相關(guān)特性進(jìn)行研究。
　　 2、重點(diǎn)分析了一種主要的特征選擇技術(shù)粗糙集(RoughSets)屬性約簡(jiǎn)，和一種特征抽取技術(shù)主成分分析PCA(Principal Component Analysis)。詳細(xì)分析二者的適用性和局限性以及它們的擴(kuò)展模型。
　　 3、介紹基于多側(cè)面思想的特征提取方法，詳細(xì)分析了多側(cè)面方法的計(jì)算性能和特征提取過程，實(shí)例證實(shí)了多側(cè)面

4、方法的有效性。將多側(cè)面方法應(yīng)用在UCI數(shù)據(jù)集上。實(shí)驗(yàn)數(shù)據(jù)證明多側(cè)面特征提取方法的有效性。
　　 4、從多側(cè)面特征提取方法的側(cè)面大小和側(cè)面多少兩方面，對(duì)多側(cè)面方法進(jìn)行性能分析。實(shí)驗(yàn)結(jié)果表明，選取合適的側(cè)面大小和分側(cè)面次數(shù)對(duì)多側(cè)面特征提取方的有效執(zhí)行具有重要作用。通過對(duì)實(shí)驗(yàn)結(jié)果的分析，給出了側(cè)面大小和側(cè)面多少選取的一般性規(guī)律。為多側(cè)面方法的有效運(yùn)行提供了實(shí)驗(yàn)數(shù)據(jù)支持。
　　 本文對(duì)多側(cè)面特征提取方法的研究做了一些工作，在今后