過濾式特征選擇算法研究.pdf

1、隨著信息時代的快速發(fā)展，不同行業(yè)產(chǎn)生了大量的行業(yè)數(shù)據(jù)。這些數(shù)據(jù)蘊含著行業(yè)的重要信息，然而這些數(shù)據(jù)過于龐大，不僅樣本動輒千萬計，而且數(shù)據(jù)維度較高，給數(shù)據(jù)挖掘工作帶來極大不便。作為數(shù)據(jù)降維的重要手段之一，特征選擇具有大幅降低數(shù)據(jù)維度、縮小數(shù)據(jù)規(guī)模、提高數(shù)據(jù)性能等特點。相較其他特征選擇算法，過濾式特征選擇又具有算法簡單直觀、易于理解、數(shù)據(jù)降維效果優(yōu)良等優(yōu)勢。
　　本文針對單標(biāo)簽與多標(biāo)簽兩種數(shù)據(jù)類型開展過濾式特征選擇算法研究，主要工作如下

2、:
　　(1)首先對特征選擇算法進行總體概述，分別介紹了特征選擇的研究背景、研究意義等，并從單標(biāo)簽與多標(biāo)簽數(shù)據(jù)特征選擇算法兩個方面，詳細(xì)介紹了基于過濾式機制的特征選擇算法研究。
　　(2)單標(biāo)簽數(shù)據(jù)集環(huán)境下，針對已有算法對特征集合間相關(guān)性考慮不夠充分等問題，提出了一種基于組策略的特征選擇算法，MRMRE(MRMR Extension)算法。該算法基于互信息獲得特征屬性相間關(guān)系，基于典型線性相關(guān)度量特征組間關(guān)系，進而通過最大相

3、關(guān)最小冗余MRMR算法框架得到特征組排序并獲得合適的特征屬性子集。實驗結(jié)果表明MRMRE算法在特征性能與數(shù)據(jù)穩(wěn)定性等方面具有較大優(yōu)勢。
　　(3)多標(biāo)簽數(shù)據(jù)集環(huán)境下，針對相關(guān)算法對標(biāo)簽集合內(nèi)部關(guān)系研究等問題，提出了一種過濾式多標(biāo)簽特征選擇算法，ML-MRMR(Multi-Label MRMR)算法。算法基于特征間冗余、特征與標(biāo)簽間相關(guān)以及標(biāo)簽集合內(nèi)部的重要度三方面關(guān)系，重新定義了能夠更加全面評判特征性能的特征評價函數(shù)。繼而，算法基