| 特征降维技术的研究与进展 |
| |
| 引用本文： | 黄铉.特征降维技术的研究与进展[J].计算机科学,2018,45(Z6):16-21, 53. |
| |
| 作者姓名： | 黄铉 |
| |
| 作者单位： | 西南交通大学信息科学与技术学院 成都610031 |
| |
| 摘 要： | 数据特征的质量会直接影响模型的准确度。在模式识别领域,特征降维技术一直受到研究者们的关注。随着大数据时代的到来,数据量巨增,数据维度不断升高。在处理高维数据时,传统的数据挖掘方法的性能降低甚至失效。实践表明,在数据分析前先对其特征进行降维是避免“维数灾难”的有效手段。降维技术在各领域被广泛应用,文中详细介绍了特征提取和特征选择两类不同的降维方法,并对其特点进行了比较。通过子集搜索策略和评价准则两个关键过程对特征选择中最具代表性的算法进行了总结和分析。最后从实际应用出发,探讨了特征降维技术值得关注的研究方向。
|
| 关 键 词： | 降维 特征选择 特征提取 研究进展 |
Research and Development of Feature Dimensionality Reduction |
| |
| HUANG Xuan.Research and Development of Feature Dimensionality Reduction[J].Computer Science,2018,45(Z6):16-21, 53. |
| |
| Authors: | HUANG Xuan |
| |
| Affiliation: | School of Information Science and Technology,Southwest Jiaotong University,Chengdu 610031,China |
| |
| Abstract: | |
| |
| Keywords: | Dimensionality reduction Feature selection Feature extraction Research progress |
|
|
点击此处可从《计算机科学》下载全文 |
|
