高维小样本分类问题中特征选择研究综述

被引：108

作者：

王翔 ^{[1
,2
]}

胡学钢 ^{[1
]}

机构：

[1] 合肥工业大学计算机信息学院

[2] 安徽省科学技术情报研究所文献情报分析中心

来源：

计算机应用 | 2017年 / 37卷 / 09期

基金：

安徽省自然科学基金;

关键词：

特征选择; 高维数据; 小样本学习; 信息过滤; 支持向量机;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

摘要：

随着生物信息学、基因表达谱微阵列、图像识别等技术的发展,高维小样本分类问题成为数据挖掘(包括机器学习、模式识别)中的一项挑战性任务,容易引发"维数灾难"和过拟合问题。针对这个问题,特征选择可以有效避免维数灾难,提升分类模型泛化能力,成为研究的热点,有必要对国内外高维小样本特征选择主要研究情况进行综述。首先分析了高维小样本特征选择问题的本质;其次,根据其算法的本质区别,重点对高维小样本数据的特征选择方法进行分类剖析和比较;最后对高维小样本特征选择研究面临的挑战以及研究方向作了展望。

引用

页码：2433 / 2438+2448 +2448

页数：7

共 30 条

[1]

基因表达谱数据挖掘的特征提取方法研究 [D].

姚唐龙 .

安徽大学,

2015

[2]

面向高维小样本数据的分类特征选择算法研究 [D].

张靖 .

合肥工业大学,

2014

[3]

Feature selection using multimodal optimization techniques.[J].Shima Kamyab;Mahdi Eftekhari.Neurocomputing.2016,

[4]

A Review of Feature Selection and Feature Extraction Methods Applied on Microarray Data.[J].Zena M. Hira;Duncan F. Gillies;Huixiao Hong.Advances in Bioinformatics.2015,

[5]

A Projection Pursuit framework for supervised dimension reduction of high dimensional small sample datasets.[J].Soledad Espezua;Edwin Villanueva;Carlos D. Maciel;André Carvalho.Neurocomputing.2015,

[6]

Sequential Lasso Cum EBIC for Feature Selection With Ultra-High Dimensional Feature Space [J].

Luo, Shan ;

Chen, Zehua .

JOURNAL OF THE AMERICAN STATISTICAL ASSOCIATION, 2014, 109 (507) :1229-1240

[7]

A review of microarray datasets and applied feature selection methods.[J].V. Bolón-Canedo;N. Sánchez-Maroño;A. Alonso-Betanzos;J.M. Benítez;F. Herrera.Information Sciences.2014,

[8]

A survey on feature selection methods [J].

Chandrashekar, Girish ;

Sahin, Ferat .

COMPUTERS & ELECTRICAL ENGINEERING, 2014, 40 (01) :16-28

[9]

Fast wrapper feature subset selection in high-dimensional datasets by means of filter re-ranking.[J].Pablo Bermejo;Luis de la Ossa;José A. Gámez;José M. Puerta.Knowledge-Based Systems.2011, 1

[10]

An improvement on floating search algorithms for feature subset selection.[J].Songyot Nakariyakul;David P. Casasent.Pattern Recognition.2008, 9

← 1 2 3 →