本文關(guān)鍵詞：面向高維數(shù)據(jù)的特征選擇算法研究，由筆耕文化傳播整理發(fā)布。

文檔介紹：
北京交通大學(xué)碩士學(xué)位論文面向高維數(shù)據(jù)的特征選擇算法研究姓名:田曠申請學(xué)位級別:碩士專業(yè):計算機科學(xué)與技術(shù)指導(dǎo)教師:景麗萍201206j豎立交適太堂亟±』熊±堂僮論文蟲塞擅墨中文摘要互聯(lián)網(wǎng)時代,網(wǎng)絡(luò)已成為最大的信息聚集地。特別是因特網(wǎng)的快速發(fā)展,信息及電子文本數(shù)目迅速增加。據(jù)統(tǒng)計,互聯(lián)網(wǎng)中80%的數(shù)據(jù)是以非結(jié)構(gòu)化的形式存在的,如Web頁面、電子郵件、基因數(shù)據(jù)、圖像等。由于這些數(shù)據(jù)的半結(jié)構(gòu)化甚至于無結(jié)構(gòu)化的特點,使得表示這些數(shù)據(jù)的特征向量高達(dá)幾萬維甚至于幾十萬維。特征維數(shù)的龐大引起了維度災(zāi)難(curseofdimensionality),這對文本分類,信息檢索,基因工程,計算機視覺等問題造成了極大的障礙。所以我們引入特征選擇,通過它來移除不相關(guān)的特征,檢測出冗余的特征,得到一個較小、較優(yōu)的特征子集,最終達(dá)到維數(shù)約簡的目的。與此同時提高學(xué)習(xí)算法的泛化性能和運行效率,得到更加簡單和容易理解的學(xué)習(xí)模型。本文關(guān)注的焦點是高維數(shù)據(jù)的特征選擇以及基于特征選擇的集成聚類。研究重點主要包括以下兩個方面:一、我們提出了一種基于稀疏表示的組合式特征選擇方法。首先我們利用相關(guān)性特征選擇方法(如IG、EVSC等)去除不相關(guān)的特征,然后引入用稀疏表示的方法來探測冗余特征,結(jié)合這兩... 內(nèi)容來自轉(zhuǎn)載請標(biāo)明出處.

  本文關(guān)鍵詞：面向高維數(shù)據(jù)的特征選擇算法研究，，由筆耕文化傳播整理發(fā)布。