一种基于支持向量数据描述的特征选择算法.pdfVIP

第 １０卷第２期　 　 　 　 　 　 　 　 　 　 　 　 智　 能　 系　 统　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 Ｖｏｌ．１０ №．２ ２０１５年４月　 　 　 　 　 　 　 　 　 　 　 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ　 　 　 　 　 　 　 　 　 　 　 　 　 Ａｐｒ． ２０１５ ＤＯＩ：１０．３９６９／ ｊ．ｉｓｓｎ．１６７３⁃４７８５．２０１４０５０６３ 网络出版地址：ｈｔｔｐ：／ ／ ｗｗｗ．ｃｎｋｉ．ｎｅｔ／ ｋｃｍｓ／ ｄｅｔａｉｌ／ ２３．１５３８．ＴＰ１０１７．００５．ｈｔｍｌ 一种基于支持向量数据描述的特征选择算法 １，２ １，２ １，２ 曹晋 ，张莉 ，李凡长 （１．苏州大学计算机科学与技术学院，江苏 苏州２１５００６；２．苏州大学计算机信息处理技术省重点实验室，江苏 苏州２１５００６） 摘　 要：已有基于支持向量数据描述的特征选择方法计算量较大，导致特征选择的时间过长。 针对此问题，提出了 一种新的基于支持向量数据描述的特征选择算法。 新方法的特征选择是通过超球体球心方向上的能量大小来决定 且采用了递归特征消除方式来逐渐剔除掉冗余特征。 在Ｌｅｕｋｅｍｉａ数据集上的实验结果表明，新方法能够进行快速 的特征选择，且所选择的特征对后续的分类是有效的。 关键词：支持向量数据描述；特征选择；递归计算；递归特征消除；癌症识别；基因表达 中图分类号：ＴＰ３９１　 文献标志码：Ａ　 文章编号：１６７３⁃４７８５（２０１５）０２⁃０２１５⁃０６ 中文引用格式：曹晋，张莉，李凡长． 一种基于支持向量数据描述的特征选择算法［Ｊ］． 智能系统学报，２０１５，１０（２）：２１５⁃２２０． 英文引用格式：ＣＡＯＪｉｎ，ＺＨＡＮＧ Ｌｉ，ＬＩ Ｆａｎｚｈａｎｇ． Ａ ｎｏｖａｌ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｄａｔａ ｄｅｓｃｒｉｐｔｉｏｎ⁃ｂａｓｅｄ ｆｅａｔｕｒｅ ｓｅｌｅｃｔｉｏｎ ｍｅｔｈｏｄ ［Ｊ］． ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ，２０１５，１０（２）：２１５⁃２２０． Ａ ｎｏｖａｌ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｄａｔａ ｄｅｓｃｒｉｐｔｉｏｎ⁃ｂａｓｅｄ ｆｅａｔｕｒｅ ｓｅｌｅｃｔｉｏｎ ｍｅｔｈｏｄ １，２ １，２ １，２ ＣＡＯＪｉｎ ，ＺＨＡＮＧ Ｌｉ ，ＬＩ Ｆａｎｚｈａｎｇ （１． Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｓｏｏｃｈｏｗ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｕｚｈｏｕ ２１５００６，Ｃｈｉｎａ；２． Ｐｒｏｖｉｎｃｉａｌ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｆｏｒ Ｃｏｍｐｕｔｅｒ Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ Ｔｅｃｈｎｏｌｏｇｙ，Ｓｏｏｃｈｏｗ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｕｚｈｏｕ ２１５００６，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅｒｅ ｈａｖｅ ｂｅｅｎ ｐｒｏｐｏｓｅｄ ｆｅａｔｕｒｅ ｓｅｌｅｃｔｉｏｎ ｍｅｔｈｏｄｓ ｂａｓｅｄ ｏｎ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｄａｔａ ｄｅｓｃｒｉｐｔｉｏｎ （ＳＶＤＤ）， ｏｒ ＳＶＤＤ⁃ｒａｄｉｕｓ⁃ＲＦＥ ａｎｄ ＳＶＤＤ⁃ｄｕａｌ⁃ｏｂｊｅｃｔｉｖｅ⁃ＲＦＥ． Ｔｈｅｓｅ ｍｅｔｈｏｄｓ ａｒｅ ｔｉｍｅ ｃｏｎｓｕｍｉｎｇ ｄｕｅ ｔｏ ｔｈｅ ｈｉｇｈ ｃｏｍｐｕｔａ⁃ ｔｉｏｎａｌ ｃｏｍｐｌｅｘｉｔｙ． Ｔｏ ｒｅｍｅｄｙ ｉｔ，ａ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｄａｔａ ｄｅｓｃｒｉｐｔｉｏｎ⁃ｂａｓｅｄ ｆｅａｔｕｒｅ ｓｅｌｅｃｔｉｏｎ ｍｅｔｈｏｄ ｉｓ ｐｒｏｐｏｓｅｄ，ｉｅ ＳＶＤＤ⁃ＲＦＥ． Ｉｎｔｈｉｓｍｅｔｈｏｄ，ｆｅａｔｕｒｅｅｌｉｍｉｎａｔｉｏｎｄｅｐｅｎｄｓｏｎｔｈｅｅｎｅｒｇｙｏｆ ｄｉｒｅｃｔｉｏｎｓｉｎｔｈｅｃｅｎｔｅｒｏｆｈｙｐｅｒｓｐｈｅｒｅ．Ｉｎ ａｄｄｉｔｉｏｎ，ａ ｓｃｈｅｍｅ ｏｆ ｒｅｃｕｒｓｉｖｅ ｆｅａｔｕｒｅ ｅｌｉｍｉｎａｔｉｏｎ