半監(jiān)督特征選擇關(guān)鍵技術(shù)研究.pdf

1、特征選擇是一種重要的數(shù)據(jù)預(yù)處理方法，通過在原始數(shù)據(jù)中篩選出特征子集并進(jìn)行優(yōu)化，對(duì)算法性能的提高起到事半功倍的作用。
　　針對(duì)傳統(tǒng)利用互信息以及成對(duì)約束的特征選擇算法通常忽略特征之間的依賴性的問題，本文基于屬性依賴率先提出了一種特征選擇算法。主要工作包括:第一，對(duì)屬性依賴進(jìn)行分析，根據(jù)特征相關(guān)性重構(gòu)原始數(shù)據(jù);第二，定義目標(biāo)函數(shù)，計(jì)算每一維特征與其他特征之間的互信息，進(jìn)而根據(jù)得分對(duì)特征進(jìn)行排序;第三，利用K-means方法對(duì)特征選擇的

2、結(jié)果進(jìn)行分析，并采用不同的評(píng)價(jià)標(biāo)準(zhǔn)進(jìn)行評(píng)價(jià)。本實(shí)驗(yàn)采用UCI數(shù)據(jù)集并與五種傳統(tǒng)的特征選擇算法(UFSMI、Laplacian Score、MCFS、SPECFS、LDA)進(jìn)行對(duì)比。理論分析及實(shí)驗(yàn)表明，該算法能夠有效地利用屬性依賴之間的關(guān)系，提高特征選擇的準(zhǔn)確率和性能。
　　基因表達(dá)數(shù)據(jù)是DNA微陣列數(shù)據(jù)分析的重點(diǎn)，但是由于該數(shù)據(jù)的樣本數(shù)目遠(yuǎn)遠(yuǎn)小于樣本維數(shù)，將特征選擇算法應(yīng)用在高維數(shù)據(jù)上意義重大。本文提出了基于l2,1-norm的半

3、監(jiān)督特征選擇算法，該方法同時(shí)結(jié)合了損失函數(shù)和正則化方法，可以有效的去除離群點(diǎn)，同時(shí)利用稀疏性進(jìn)行特征選擇，用于解決現(xiàn)實(shí)生活中高維數(shù)據(jù)的計(jì)算復(fù)雜度問題。數(shù)據(jù)診斷模型的關(guān)鍵是對(duì)高維數(shù)據(jù)進(jìn)行預(yù)處理，另一方面是使用分類器對(duì)數(shù)據(jù)進(jìn)行分類研究，對(duì)比分析分類器的分類性能和執(zhí)行效率。本實(shí)驗(yàn)主要采用基因表達(dá)序列數(shù)據(jù)集，一是對(duì)比分析選擇不同特征維數(shù)對(duì)分類精度的影響;二是對(duì)比分析了特征選擇前后SVM和ELM的分類精度;三是對(duì)比分析了算法的執(zhí)行時(shí)間。理論分析及