基于特征選擇的多側面覆蓋算法.pdf

1、多側面覆蓋算法對海量高維數(shù)據(jù)的分類采用分而治之的思想，依據(jù)分量差的絕對值和，選取部分屬性構建不同樣本子集的覆蓋，降低了學習的復雜度，但初始屬性集的選擇依據(jù)經(jīng)驗或實驗獲得，初始屬性子集的選取不同可能導致分類結果出現(xiàn)差異。
　　 本文在多側面覆蓋的基礎上彌補了其不足之處，通過降低初始屬性集選擇的主觀性和屬性集調(diào)整的復雜性，利用特征選擇方法確定適合不同數(shù)據(jù)集的最優(yōu)特征子集，構建了分層遞階的覆蓋網(wǎng)絡，并對實際數(shù)據(jù)集進行實驗，主要完成以下

2、工作：
　　 1．分析了覆蓋算法的基本原理；針對不同子集選取不同子空間，用不同屬性判斷不同子集的多側面覆蓋的優(yōu)點以及不足之處；特征選擇概述以及本文涉及到的幾種特征選擇算法。
　　 2．采用特征選擇算法選取部分子集的最優(yōu)特征子集，給出基于特征選擇的多側面覆蓋的具體算法；采用基于特征選擇的多側面覆蓋算法對高維海量數(shù)據(jù)進行分類，檢測算法是否有效可行。
　　 3．分別利用單純的覆蓋算法、多側面覆蓋算法和基于特征選擇的多側