代價敏感特征選擇算法及其在軟件缺陷預測中的應用.pdf

1、隨著人們在通信、制造、研究等領域所獲取的高維數(shù)據(jù)的積累，現(xiàn)有的數(shù)據(jù)挖掘、機器學習算法已經(jīng)不能有效應對這些海量數(shù)據(jù)。特征選擇通過消除不相關特征和冗余特征達到對高維數(shù)據(jù)降維的目的，其有效的提高了數(shù)據(jù)挖掘算法的效率、精度等性能以及后續(xù)學習結(jié)果的可理解性。傳統(tǒng)的特征選擇算法都是基于類均衡這一前提提出。然而，現(xiàn)實生活中還存在著眾多的類不均衡問題。另一方面，傳統(tǒng)的特征選擇算法也未能考慮到現(xiàn)實應用中存在的代價敏感問題，其在特征選擇過程中未曾考慮不同類

2、別樣本的不同錯分類代價。因此，本文對類不均衡問題和代價敏感問題進行研究，提出了能夠在特征選擇階段解決以上問題的代價敏感特征選擇算法，并進一步對基于鄰接圖的代價敏感特征選擇算法進行了改進。主要創(chuàng)新和研究工作總結(jié)如下：
　　（1）結(jié)合代價敏感學習算法的思想，將代價敏感信息引入傳統(tǒng)的特征選擇算法中，提出了代價敏感特征選擇算法CSVS、CSLS、CSCS。代價敏感特征選擇算法能夠在特征選擇階段解決降維問題、類不均衡問題和代價敏感問題，其在

3、公共數(shù)據(jù)集UCI以及軟件缺陷預測數(shù)據(jù)集NASA上均獲得了很好的性能。
　?。?）針對Cost-SensitiveLaplacianScore算法所基于的鄰接圖構(gòu)建后不變的缺點，提出了基于迭代思想的IterativeCost-SensitiveLaplacianScore算法。該算法通過迭代構(gòu)造鄰接圖，有效地提高了特征評價準則對每個特征的評估準確性。其在UCI數(shù)據(jù)集以及NASA數(shù)據(jù)集上獲得了良好的性能。
　?。?）通過將代價敏