| 基于聚类的特征选择方法 |
| |
| 引用本文： | 蒋盛益,郑琪,张倩生.基于聚类的特征选择方法[J].电子学报,2008,36(Z1):157-160. |
| |
| 作者姓名： | 蒋盛益 郑琪 张倩生 |
| |
| 作者单位： | 广东外语外贸大学信息学院,广东广州,510006 |
| |
| 基金项目： | 国家自然科学基金(No.60673191); 广东省高等学校自然科学研究重点项目(No.06Z012); 广东外语外贸大学科研创新团队项目(No.GW2006-TA-005) |
| |
| 摘 要： | 本文提出了一种度量特征区分度的定义,进而提出一种基于聚类的特征选择方法CBFS.该方法时间复杂度与数据集的大小和特征个数成近似线性关系,适合于大规模数据集中的特征选择;该方法对数据类型没有限制,适用于混合类型数据.在UCI数据集上的实验结果表明,与文献中的方法相比,本文方法具有较好的性能,说明提出的特征选择方法是有效和实用的.
|
| 关 键 词： | 聚类 特征区分度 特征选择 |
| 收稿时间： | 2008-05-09 |
Clustering-Based Feature Selection |
| |
| JIANG Sheng-yi,ZHENG Qi,ZHANG Qian-sheng.Clustering-Based Feature Selection[J].Acta Electronica Sinica,2008,36(Z1):157-160. |
| |
| Authors: | JIANG Sheng-yi ZHENG Qi ZHANG Qian-sheng |
| |
| Affiliation: | School of Informatics, Guangdong University of Foreign Studies, Guangzhou, Guangdong 510006, China |
| |
| Abstract: | The authors come up with a definition of measuring differentiations between features,and then put forward a method of clustering-based feature selection(Below referred to as CBFS).The time complexity of the method is nearly linear with both the size of dataset and the number of features.Besides,the method is applicable to the selection of features in large dataset.It can particularly handle data with both Nominal and Continuous Features.The results of the experiment on UCI datasets show that the method is e... |
| |
| Keywords: | clustering differentiation of feature feature selection |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《电子学报》浏览原始摘要信息 |
|
点击此处可从《电子学报》下载全文 |
|
