基于实例学习和协同子集搜索的特征选择方法

摘要：

特征子集搜索是数据挖掘分类任务中一个关键性的难题,常用的过滤器方法忽略了基因之间的相关性,此外,现有的解决方法并不是专门针对处理小样本数据,因此在特征选择方面表现出了不稳定性.为了解决上述问题,在实例学习的基础上提出了一种新型的混合封装过滤算法,并且提出了一种具有封装器评价体系的分类器算法——协同性子集搜索(CSS).选取几个高维小样本的癌症数据集作为数据来源,对提出的评价体系进行了实验测试,结果表明,该方法在准确性及稳定性方面较其他方法表现更好.

关键词：特征选择、混合、小样本、分类、稳定性

所属期刊栏目：33

分类号：TP312(计算技术、计算机技术)

资助基金：江苏省教育科学“十三五”规划2016年度青年专项课题C-b/2016/03/25;江苏开放大学“十三五”规划2016年度重点研究课题No.16SSW-Z-003Youth Project of "13th Five-Year" Plan of Jiangsu Education ScienceC-b/2016/03/25;Key Project of "13th Five-Year" Plan of Jiangsu Open University16SSW-Z-003

在线出版日期：2017-07-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：105-113