10.3969/j.issn.1000-1220.2013.08.018
一种基于类别区分互补性的特征选择
特征选择是机器学习和数据挖掘领域中实现数据降维和数据清理的有效方法之一.针对现有相关性度量方法不能直接度量混合特征(连续特征与离散特征)之间相关性的问题,将连续特征的特征值按照离散特征取值相同的原则进行分组,通过分组前后的数据变异性来度量混合特征之间的相关性.在度量连续特征与类别之间相关性的基础上结合类别区分互补性方法进行特征选择.在UCI数据集上的实验结果表明,提出的混合特征相关性度量方法是有效的、可行的.相比于几种经典的特征选择方法,提出的特征选择方法在特征约减效果及分类性能上都具有优势.
特征选择、相关度、类别区分互补、混合特征
34
TP311(计算技术、计算机技术)
国家自然科学基金项目61070061,61202271;教育部人文社会科学研究青年项目11YJCZH086;广州市哲学社会科学发展"十二五"规划课题项目11Q20;广东外语外贸大学校级青年项目11Q01;广东省高层次人才项目资助
2013-11-05(万方平台首次上网日期,不代表论文的发表时间)
共5页
1798-1802