基于近邻传播聚类的集成特征选择方法.pdfVIP

第 42卷 第 3期 计 算 机 科 学 Vo1．42No．3 2015年 3月 Computer Science M ar2015 基于近邻传播聚类的集成特征选择方法 孟 军 尉双云 (大连理工大学计算机科学与技术学院 大连 116024) 摘 要 针对高维数据中的类标记仅与少部分特征关联 紧密的问题 ，提出了基 于排序聚合和聚类分组的特征随机选 择集成学习方法。采用排序聚合技术对特征进行过滤，选出与样本分类相关的特征 ，以bicor关联系数作为关联衡量 标准，利用近邻传播聚类算法进行分组，使不同组的特征互不关联，然后从每个分组中随机选择一个特征生成特征子 集，便可得到多个既存在差异性又具备区分能力的特征子集，最后分别在对应的特征子空间训练基分类器，采用多数 投票进行融合集成。在 7个基因表达数据集上的实验结果表 明，提 出的方法分类误差较低，分类性能稳定，可扩展性 好 。 关键词 分类，排序聚合，近邻传播聚类，集成特征选择 中图法分类号 TP391 文献标识码 A DOI 10．11896／j．issn．1002—137)(．2015．3．050 AffinityPropagationClusteringBasedEnsembleFeatureSelectionM ethod MENGJun YU Shuang-yun (SchoolofComputerScienceandTechnology，DalianUniversityofTechnology，Dalian116024，China) Abstract Aimingattheproblem thatonlyasmallpartoffeaturesareassociatedwiththesampleclassificationinhigh- dimensionaldatacontainingthousandsoffeatures，afilteringandgroupingbasedfeaturerandom selectionensemble learningmethodwasproposed．Rankaggregation techniquewasusedto selecttherelevantfeatures，andwegrouped them byaffinitypropagationclusteringalgorithm usingbicorcorrelationcoefficientasdistancemeasure．Thefeature clusterswereproducedand thefeaturepairsfrom any twodifferentclustersarenotcorrelated．A featurefrom each clusterwasselectedrandomly，andthenarelevantand discriminativefeaturesubspacewasgenerated．Inthisway，many featuresubspacescanbegenerated．BaseclassifiersweretrainedintheproducedfeaturesubspacesandfusedtogetherU— singamajorityvotingmethod．Theexperimentson7geneexpressiondatasetsshow thattheproposedmethodcanel- fectivelyreducetheclassificationerror．Meanwhile，italsohasmorestableperformance，and goodexpansibility． Keywords Classification，Rankaggregation，Affinitypropagati