特征选择方法与算法的研究

被引：23

作者：

李敏

卡米力·木依丁

机构：

[1] 新疆大学信息与科学工程学院

来源：

计算机技术与发展 | 2013年 / 23卷 / 12期

关键词：

特征选择方法; 特征选择算法; 过滤式; 封装式; 嵌入式;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

特征选择的主要思想是通过去除一些包含少量或不相关的信息的特征去选择特征子集。特征选择方法可分为三大类:一是过滤式,二是封装式,三是嵌入式。鉴于目前存在大量的特征选择算法,为了能够适当地决定在特定的情况下使用哪种算法,需要提出可以依赖或判定的标准。文中的主要工作就是综述一些基本特征选择算法,根据文献中已有的理论和实验结果对特征选择方法和算法进行比较分类,然后提出一种可以依赖或判定的标准。

引用

页码：16 / 21

页数：6

共 5 条

[1] 基于相关性和冗余度的联合特征选择方法 [J].

周城 ;

葛斌 ;

唐九阳 ;

肖卫东 .

计算机科学, 2012, 39 (04) :181-184

[2] 一种近似Markov Blanket最优特征选择算法 [J].

崔自峰 ;

徐宝文 ;

张卫丰 ;

徐峻岭 .

计算机学报, 2007, (12) :2074-2081

[3]

Feature selection and classification using flexible neural tree[J] . Yuehui Chen,Ajith Abraham,Bo Yang.Neurocomputing . 2006 (1)

[4]

Genetic wrappers for feature selection in decision tree induction and variable ordering in Bayesian network structure learning[J] . William H. Hsu.Information Sciences . 2003 (1)

[5]

Learning concepts from largescale imbalanced data sets using support cluster machines .2 YUAN J,LI J,ZHANG B. ACM Multimedia Conference (MM) . 2006

← 1 →