基于類重疊與有效范圍的特征選擇技術研究.pdf

1、科技發(fā)展帶來數據維度的不斷升高，對知識發(fā)現(xiàn)提出了更高的要求和挑戰(zhàn)。從海量數據中發(fā)掘有意義的信息是數據挖掘研究的重點，也是各行各業(yè)關注的熱點。特征選擇是降低數據維度的有效方法，從高維數據中選出區(qū)分能力強、具有研究意義的特征，不僅能降低數據維度，縮短運行時間，還能提高分類性能，發(fā)現(xiàn)數據中潛在的信息和研究價值。
　　數據質量能影響分類性能，從高維數據中選出富含信息、具有區(qū)分能力的特征能改善數據的質量，提高分類性能。無關特征具有較少的信息

2、，對數據分布影響較少。特征打亂前后對數據分布的改變，反映了特征所含信息的多少。因此，本文結合特征打亂和類重疊區(qū)域R-value，提出了一種融合的無監(jiān)督特征選擇算法EUFSPR，該方法在對特征進行評價時還結合了聚類技術、融合技術、以及數據評價技術。類重疊面積R-value用來度量不同類別樣本間的重疊程度;利用聚類技術對樣本聚類，以便更好地發(fā)現(xiàn)隱藏的數據結構;結合融合的抽樣技術可以提高特征選擇的穩(wěn)定性。10個公共數據集的聚類和分類結果表明，

3、該算法在缺少類標信息的指導下也是一種良好的數據預處理方法，能有效地提高數據的質量和分類性能。
　　特征在不同類別樣本間的重疊區(qū)域反應了特征的區(qū)分能力。具有良好區(qū)分能力的特征，能將不同類別的樣本較好的區(qū)分開，使不同類別樣本的重疊區(qū)域較小。本文根據特征在各類樣本中分布的有效范圍及每一區(qū)域不同類別樣本的分布密度，提出一種基于特征有效范圍的前向特征選擇及融合分類算法FFS-ER。該算法對每個特征建立其相應的單變量分類器，在進行前向搜索的過