10.16208/j.issn1000-7024.2019.09.018
基于深度学习与随机森林的高维数据特征选择
针对特征选择算法对高维大数据降维效果与稳定性差的缺点,提出一种基于深度学习与随机森林的大数据特征选择算法.设计基于随机森林的特征消除算法,对高维大数据集进行特征降维处理;采用保留的特征对受限玻尔兹曼机进行训练,确定受限玻尔兹曼机的模型结构与权重;使用训练受限玻尔兹曼机的学习参数初始化一个多层神经网络,通过标准的后向传播方法训练多层神经网络.基于多组数据集的实验结果表明,该算法提高了高维数据集特征选择的化简效果,保持了较高的稳定性与鲁棒性.
特征选择、大数据、高维数据、深度学习、随机森林、受限玻尔兹曼机
40
TP391(计算技术、计算机技术)
江苏省第十四批“六大人才高峰”高层次人才培养基金项目XYDXX-121
2019-10-24(万方平台首次上网日期,不代表论文的发表时间)
共8页
2494-2501