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。

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(qǐng)學(xué)位級(jí)別：碩士 專(zhuān)業(yè)：計(jì)算機(jī)科學(xué)與技術(shù) 指導(dǎo)教師：景麗萍 201206 j豎立交適太堂亟±』熊± 堂僮論文 蟲(chóng)塞擅墨 中文摘要 互聯(lián)網(wǎng)時(shí)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(jì)，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(yè)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(wú)結(jié)構(gòu)化的特點(diǎn)，使得表示這些數(shù)據(jù)的特征向量高達(dá)幾萬(wàn)維甚至于幾十萬(wàn) of 維。特征維數(shù)的龐大引起了維度災(zāi)難 curse 息檢索，基因工程，，計(jì)算機(jī)視覺(jué)等問(wèn)題造成了極大的障礙。所以我們引入特征選 擇，通過(guò)它來(lái)移除不相關(guān)的特征，檢測(cè)出冗余的特征，得到一個(gè)較小、較優(yōu)的特 征子集，最終達(dá)到維數(shù)約簡(jiǎn)的目的。與此同時(shí)提高學(xué)習(xí)算法的泛化性能和運(yùn)行效 率，得到更加簡(jiǎn)單和容易理解的學(xué)習(xí)模型。 本文關(guān)注的焦點(diǎn)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(lèi)。研究 重點(diǎn)主要包括以下兩個(gè)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(lái)探測(cè)冗余特征，結(jié)合這兩個(gè)方式得到最優(yōu)特征子集。 在多個(gè)高維數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，從分類(lèi)／聚類(lèi)準(zhǔn)確率，特征子集大小等多角 度考察該算法具有良好的綜合性能。二、從聚類(lèi)成員質(zhì)量和個(gè)體差異度兩方面出 發(fā)，提出了一種適于高維數(shù)據(jù)的基于特征分層抽樣的集成聚類(lèi)算法。實(shí)驗(yàn)表明， 在高維數(shù)據(jù)集上，我們實(shí)現(xiàn)的基于特征分層抽樣的集成聚類(lèi)算法優(yōu)于基于隨

  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。