面向高維數(shù)據(jù)的特征選擇算法研究.pdf

1、互聯(lián)網(wǎng)時代，網(wǎng)絡(luò)已成為最大的信息聚集地。特別是因特網(wǎng)的快速發(fā)展，信息及電子文本數(shù)目迅速增加。據(jù)統(tǒng)計，互聯(lián)網(wǎng)中80％的數(shù)據(jù)是以非結(jié)構(gòu)化的形式存在的，如Web頁面、電子郵件、基因數(shù)據(jù)、圖像等。由于這些數(shù)據(jù)的半結(jié)構(gòu)化甚至于無結(jié)構(gòu)化的特點，使得表示這些數(shù)據(jù)的特征向量高達幾萬維甚至于幾十萬維。特征維數(shù)的龐大引起了維度災(zāi)難(curse of dimensionality)，這對文本分類，信息檢索，基因工程，計算機視覺等問題造成了極大的障礙。所以我們

2、引入特征選擇，通過它來移除不相關(guān)的特征，檢測出冗余的特征，得到一個較小、較優(yōu)的特征子集，最終達到維數(shù)約簡的目的。與此同時提高學(xué)習算法的泛化性能和運行效率，得到更加簡單和容易理解的學(xué)習模型。
　　本文關(guān)注的焦點是高維數(shù)據(jù)的特征選擇以及基于特征選擇的集成聚類。研究重點主要包括以下兩個方面：一、我們提出了一種基于稀疏表示的組合式特征選擇方法。首先我們利用相關(guān)性特征選擇方法(如IG、EVSC等)去除不相關(guān)的特征，然后引入用稀疏表示的方法來