|
|||||
|
|
| 基于图的特征选择算法 | |
| 引用本文： | 潘锋,王建东,顾其威,牛奔. 基于图的特征选择算法[J]. 计算机工程, 2012, 38(9): 197-198,201 |
| 作者姓名： | 潘锋 王建东 顾其威 牛奔 |
| 作者单位： | 1. 南京航空航天大学计算机科学与技术学院,南京210016;深圳大学管理学院,广东深圳518060 2. 南京航空航天大学计算机科学与技术学院,南京,210016 3. 深圳大学管理学院,广东深圳,518060 |
| 基金项目： | 国家自然科学基金资助项目(71001072);广东省自然科学基金资助项目(9451806001002694) |
| 摘 要： | 针对数据挖掘与模式识别领域中的高维数据处理问题，通过分析样本类间距离与类内距离，给出一种基于图理论的特征排序框架。根据该框架，提出使用类内-类间和K近邻相似度定义的2种快速特征选择算法，能避免复杂度较高的广义特征分解过程。实验结果表明，该算法具有较高的分类精度。 |
| 关 键 词： | 数据挖掘 模式识别 特征选择 图模型 特征分解 K近邻 |
| 收稿时间： | 2011-09-19 |
Feature Selection Algorithm Based on Graph |
|
| PAN Feng , WANG Jian-dong , GU Qi-wei , NIU Ben. Feature Selection Algorithm Based on Graph[J]. Computer Engineering, 2012, 38(9): 197-198,201 | |
| Authors: | PAN Feng WANG Jian-dong GU Qi-wei NIU Ben |
| Affiliation: | 1.College of Computer Science and Technology,Nanjing University of Aeronautics and Astronautics,Nanjing 210016,China;2.College of Management,Shenzhen University,Shenzhen 518060,China) |
| Abstract: | The high dimensionality of the data samples often makes the data mining or pattern recognition tasks intractable,through analyzing both the within-class distance and between-class distance,it presents a fast feature ranking framework,from which the computationally expensive feature decomposition is avoided.Two similarity measures of within-class and between-class similarity and K nearest neighbor similarity are employed to derive efficient feature selection algorithms.Experimental results demonstrate that these algorithms have higher classification precision. |
| Keywords: | data mining pattern recognition feature selection graph model feature decomposition K nearest neighbor |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ | |
| 点击此处可从《计算机工程》浏览原始摘要信息 | |
| 点击此处可从《计算机工程》下载免费的PDF全文 | |