半監(jiān)督特征選擇關鍵技術研究.pdf

1、特征選擇是一種重要的數(shù)據(jù)預處理方法，通過在原始數(shù)據(jù)中篩選出特征子集并進行優(yōu)化，對算法性能的提高起到事半功倍的作用。
　　針對傳統(tǒng)利用互信息以及成對約束的特征選擇算法通常忽略特征之間的依賴性的問題，本文基于屬性依賴率先提出了一種特征選擇算法。主要工作包括:第一，對屬性依賴進行分析，根據(jù)特征相關性重構原始數(shù)據(jù);第二，定義目標函數(shù)，計算每一維特征與其他特征之間的互信息，進而根據(jù)得分對特征進行排序;第三，利用K-means方法對特征選擇的

2、結果進行分析，并采用不同的評價標準進行評價。本實驗采用UCI數(shù)據(jù)集并與五種傳統(tǒng)的特征選擇算法(UFSMI、Laplacian Score、MCFS、SPECFS、LDA)進行對比。理論分析及實驗表明，該算法能夠有效地利用屬性依賴之間的關系，提高特征選擇的準確率和性能。
　　基因表達數(shù)據(jù)是DNA微陣列數(shù)據(jù)分析的重點，但是由于該數(shù)據(jù)的樣本數(shù)目遠遠小于樣本維數(shù)，將特征選擇算法應用在高維數(shù)據(jù)上意義重大。本文提出了基于l2,1-norm的半

3、監(jiān)督特征選擇算法，該方法同時結合了損失函數(shù)和正則化方法，可以有效的去除離群點，同時利用稀疏性進行特征選擇，用于解決現(xiàn)實生活中高維數(shù)據(jù)的計算復雜度問題。數(shù)據(jù)診斷模型的關鍵是對高維數(shù)據(jù)進行預處理，另一方面是使用分類器對數(shù)據(jù)進行分類研究，對比分析分類器的分類性能和執(zhí)行效率。本實驗主要采用基因表達序列數(shù)據(jù)集，一是對比分析選擇不同特征維數(shù)對分類精度的影響;二是對比分析了特征選擇前后SVM和ELM的分類精度;三是對比分析了算法的執(zhí)行時間。理論分析及