【摘要】：文章研究了一種高維數(shù)據(jù)聚類特征選擇方法——稀疏聚類,稀疏聚類是通過對特征變量賦予權(quán)重,并添加lasso懲罰因子,壓縮權(quán)重,得到對變量的權(quán)重排序,即重要性排序,使其在進(jìn)行分類預(yù)測的同時達(dá)到自動剔除冗余變量的效果,從而起到了對高維數(shù)據(jù)聚類時的特征選擇作用。將此方法運用于中國環(huán)保問題,將中國31個省份根據(jù)環(huán)保情況分為3類,并從現(xiàn)有的104個環(huán)保指標(biāo)中篩選得到20個重要指標(biāo)。
[Abstract]:This paper studies a method of selecting high dimensional data clustering feature - Sparse Clustering. Sparse clustering is by giving weight to characteristic variables, adding lasso penalty factor and compressing weight, getting weight sorting of variables, that is, importance sorting, so that it can eliminate redundant variables automatically at the same time of classification prediction. This method is applied to the environmental protection problem in China, and the 31 provinces in China are divided into 3 categories according to the environmental protection situation, and 20 important indicators are selected from the existing 104 environmental protection indicators.
【作者單位】： 中國人民大學(xué)應(yīng)用統(tǒng)計科學(xué)研究中心;中國人民大學(xué)統(tǒng)計學(xué)院;新疆財經(jīng)大學(xué)新疆社會經(jīng)濟(jì)統(tǒng)計研究中心;新疆財經(jīng)大學(xué)統(tǒng)計與信息學(xué)院;蘭州財經(jīng)大學(xué)統(tǒng)計學(xué)院;
【基金】：中國人民大學(xué)科學(xué)研究基金(中央高校基本科研業(yè)務(wù)費專項資金資助)項目(15XNL008)
【分類號】：TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 賀玲;蔡益朝;楊征;;高維數(shù)據(jù)空間的一種網(wǎng)格劃分方法[J];計算機(jī)工程與應(yīng)用;2011年05期

2 李郁林;;高維數(shù)據(jù)分析中的降維研究[J];計算機(jī)光盤軟件與應(yīng)用;2012年17期

3 何進(jìn)榮;丁立新;胡慶輝;李照奎;;高維數(shù)據(jù)空間的性質(zhì)及度量選擇[J];計算機(jī)科學(xué);2014年03期

4 劉洪波,王秀坤,趙晶;高維數(shù)據(jù)空間金字塔技術(shù)研究[J];計算機(jī)工程與應(yīng)用;2003年16期

5 沈萍;;高維數(shù)據(jù)挖掘技術(shù)研究[J];電腦知識與技術(shù);2009年06期

6 謝楓平;;聚類分析中的高維數(shù)據(jù)降維方法研究[J];閩西職業(yè)技術(shù)學(xué)院學(xué)報;2009年04期

7 余元輝;鄧瑩;;一種新的高維數(shù)據(jù)聚類自適應(yīng)算法的研究[J];沈陽化工大學(xué)學(xué)報;2010年02期

8 王寅峰;劉昊;狄盛;胡昊宇;;一種支持高維數(shù)據(jù)查詢的并行索引機(jī)制[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2011年S1期

9 周勇;盧曉偉;程春田;;非規(guī)則流中高維數(shù)據(jù)流典型相關(guān)性分析并行計算方法[J];軟件學(xué)報;2012年05期

10 王素芳;;基于組件的高維數(shù)據(jù)降維方法研究[J];電腦與電信;2012年10期

相關(guān)會議論文 前6條

1 周煜人;彭輝;桂衛(wèi)華;;基于映射的高維數(shù)據(jù)聚類方法[A];04'中國企業(yè)自動化和信息化建設(shè)論壇暨中南六省區(qū)自動化學(xué)會學(xué)術(shù)年會專輯[C];2004年

2 梁俊杰;楊澤新;馮玉才;;大規(guī)模高維數(shù)據(jù)庫索引結(jié)構(gòu)[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2006年

3 陳冠華;馬秀莉;楊冬青;唐世渭;帥猛;;面向高維數(shù)據(jù)的低冗余Top-k異常點發(fā)現(xiàn)方法[A];第26屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（A輯）[C];2009年

4 劉運濤;鮑玉斌;吳丹;冷芳玲;孫煥良;于戈;;CBFrag-Cubing:一種基于壓縮位圖的高維數(shù)據(jù)立方創(chuàng)建算法(英文)[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2005年

5 劉文慧;;PCA與PLS用于高維數(shù)據(jù)分類的比較性研究[A];2011年中國衛(wèi)生統(tǒng)計學(xué)年會會議論文集[C];2011年

6 劉喜蘭;馮德益;王公恕;朱成喜;馮雯;;臉譜分析在中進(jìn)期地震跟蹤預(yù)報中的應(yīng)用[A];中國地震學(xué)會第四次學(xué)術(shù)大會論文摘要集[C];1992年

相關(guān)重要報紙文章 前1條

1 本報記者 李雙藝;引領(lǐng)高維數(shù)據(jù)分析先河[N];吉林日報;2013年

相關(guān)博士學(xué)位論文 前10條

1 劉勝藍(lán);余弦度量下的高維數(shù)據(jù)降維及分類方法研究[D];大連理工大學(xué);2015年

2 黃曉輝;高維數(shù)據(jù)的若干聚類問題及算法研究[D];哈爾濱工業(yè)大學(xué);2015年

3 楊崇;高維數(shù)據(jù)流上的K近鄰問題研究[D];山東大學(xué);2016年

4 路梅;面向高維數(shù)據(jù)的特征學(xué)習(xí)理論與應(yīng)用研究[D];蘇州大學(xué);2016年

5 楊風(fēng)召;高維數(shù)據(jù)挖掘中若干關(guān)鍵問題的研究[D];復(fù)旦大學(xué);2003年

6 陳黎飛;高維數(shù)據(jù)的聚類方法研究與應(yīng)用[D];廈門大學(xué);2008年

7 吳慶耀;高維數(shù)據(jù)的若干分類問題及算法研究[D];哈爾濱工業(yè)大學(xué);2013年

8 樓巍;面向大數(shù)據(jù)的高維數(shù)據(jù)挖掘技術(shù)研究[D];上海大學(xué);2013年

9 黃健美;高維數(shù)據(jù)索引及其查詢處理技術(shù)研究[D];東北大學(xué);2009年

10 任亞洲;高維數(shù)據(jù)上的聚類方法研究[D];華南理工大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 沈江炎;基于軟子空間的高維數(shù)據(jù)樹形索引研究[D];昆明理工大學(xué);2015年

2 侯小麗;高維數(shù)據(jù)聚類中的神經(jīng)網(wǎng)絡(luò)降維方法研究[D];蘭州大學(xué);2015年

3 趙俊琴;基于Lasso的高維數(shù)據(jù)線性回歸模型統(tǒng)計推斷方法比較[D];山西醫(yī)科大學(xué);2015年

4 何熒;高維數(shù)據(jù)下的特征選擇與聚類方法研究[D];西南大學(xué);2015年

5 胡昌杰;基于Autoencoder的高維數(shù)據(jù)降維方法研究[D];蘭州大學(xué);2015年

6 楊代君;基于進(jìn)化算法的高維數(shù)據(jù)聚類研究[D];西安電子科技大學(xué);2014年

7 王宏霞;交通高維數(shù)據(jù)邏輯整合與降解研究[D];重慶交通大學(xué);2015年

8 楊庭庭;基于信息熵的高維數(shù)據(jù)流聚類及其應(yīng)用研究[D];重慶交通大學(xué);2015年

9 孫喜利;高維數(shù)據(jù)的降維及聚類方法研究[D];蘭州大學(xué);2016年

10 吳佳妮;基于SVM的質(zhì)譜細(xì)胞儀高維數(shù)據(jù)分析在AML早期診斷方面的應(yīng)用研究[D];山東大學(xué);2016年

，

本文編號：2123397