本文關鍵詞：基于再生核希爾伯特空間映射的高維數(shù)據(jù)特征選擇優(yōu)化算法

  更多相關文章： 非線性數(shù)據(jù) 特征選擇 希爾伯特空間 大數(shù)據(jù) 高維數(shù)據(jù)

【摘要】：現(xiàn)有過濾型特征選擇算法并未考慮非線性數(shù)據(jù)的內在結構,從而分類準確率遠遠低于封裝型算法,對此提出一種基于再生核希爾伯特空間映射的高維數(shù)據(jù)特征選擇算法。首先基于分支定界法建立搜索樹,并對其進行搜索;然后基于再生核希爾伯特空間映射分析非線性數(shù)據(jù)的內部結構;最后根據(jù)數(shù)據(jù)集的內部結構選擇最優(yōu)的距離計算方法。對比仿真實驗結果表明,該方法與封裝型特征選擇算法具有接近的分類準確率,同時在計算效率上具有明顯的優(yōu)勢,適用于大數(shù)據(jù)分析。
【作者單位】： 南京理工大學計算機科學與技術學院;
【關鍵詞】： 非線性數(shù)據(jù) 特征選擇 希爾伯特空間 大數(shù)據(jù) 高維數(shù)據(jù)
【基金】：國家自然科學基金資助項目(61273076) 江蘇省自然科學基金資助項目(BK20141403)
【分類號】：TP391.4
【正文快照】： 0引言特征選擇是一種重要的數(shù)據(jù)預處理方法,是模式識別中降低特征維數(shù)的方法之一,特征項選擇的優(yōu)劣直接影響數(shù)據(jù)聚類的準確率,而多標簽分類問題中的每一個實例可以同時劃分到多個標簽中[1]。標簽之間具有相關性,從而導致多標簽特征問題比單標簽問題更為復雜[2]�？蓪⑻卣鬟x擇

【相似文獻】

中國期刊全文數(shù)據(jù)庫 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];計算機工程與應用;2011年05期

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

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

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

5 沈萍;;高維數(shù)據(jù)挖掘技術研究[J];電腦知識與技術;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)技術學院學報;2009年04期

7 余元輝;鄧瑩;;一種新的高維數(shù)據(jù)聚類自適應算法的研究[J];沈陽化工大學學報;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)查詢的并行索引機制[J];華中科技大學學報(自然科學版);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)流典型相關性分析并行計算方法[J];軟件學報;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

中國重要會議論文全文數(shù)據(jù)庫 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論壇暨中南六省區(qū)自動化學會學術年會專輯[C];2004年

2 梁俊杰;楊澤新;馮玉才;;大規(guī)模高維數(shù)據(jù)庫索引結構[A];第二十三屆中國數(shù)據(jù)庫學術會議論文集（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)庫學術會議論文集（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)庫學術會議論文集（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;;臉譜分析在中進期地震跟蹤預報中的應用[A];中國地震學會第四次學術大會論文摘要集[C];1992年

中國重要報紙全文數(shù)據(jù)庫 前1條

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

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 劉勝藍;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;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;2015年

3 楊風召;高維數(shù)據(jù)挖掘中若干關鍵問題的研究[D];復旦大學;2003年

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

5 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;2013年

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

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

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

9 董道國;高維數(shù)據(jù)索引結構研究[D];復旦大學;2005年

10 于怡;高維數(shù)據(jù)變量選擇的幾點研究[D];復旦大學;2013年

中國碩士學位論文全文數(shù)據(jù)庫 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;2015年

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

6 楊代君;基于進化算法的高維數(shù)據(jù)聚類研究[D];西安電子科技大學;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;2015年

8 楊庭庭;基于信息熵的高維數(shù)據(jù)流聚類及其應用研究[D];重慶交通大學;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;2016年

10 康永為;大數(shù)據(jù)環(huán)境下高維數(shù)據(jù)處理若干問題[D];廣西師范大學;2013年

，

本文編號：889259