成对约束下半监特征选择算法研究.pdfVIP

摘要 摘 要 特征选择是机器学习领域的研究的重要内容之一。随着应用于机器学习领域的数 据维数不断升高，数据存储、运算，都消耗了大量的计算机资源。为了节省资源，避 免所谓“维数灾难’’的出现，变量和特征的降维技术在许多研究课题和实际应用中 (如：网络文档的文本处理，基因表达序列分析，组合化数据等等)，都有着非常重 要的意义。 半监督特征选择算法是针对于含有少量监督信息和大量无标记数据的样本集的 特征选择算法。现有多数半监督特征选择方法是基于类标记这种监督信息形式的，而 在实际应用中，成对约束分类信息作为一种先验知识的形式往往比较容易获得，成对 约束下的半监督特征选择算法并不多见。本文主要针对成对约束下的半监督特征选择 算法进行了相关的研究，主要研究工作如下： (1)提出了一种成对约束下基于假设间隔的半监督特征选择算法Csimba。该算 法利用成对约束条求解使假设间隔最大的特征，以此进行特征排序。在UCI数据集的 实验表明提出的算法是有效的。 (2)提出了一种成对约束下基于特征相关性的半监督特征选择算法ICSMI。算 法利用互信息和信息熵估计特征间的相关性，可以降低特征子集的冗余度，增强了特 征的有效性。在UCI数据集的实验表明提出的算法是有效的。 Correlation (3)提出了一种成对约束扩展方法RCE。该方法利用Relevant．Set 聚类模型对于成对约束包含的样本点进行聚类，从而扩展成对约束集。利用扩展后的 较少的情况下也能获得比较好的效果。在UCI数据集的实验表明提出的算法是有效 的。 关键词：半监督特征选择；成对约束；间隔；互信息；RSC聚类模型 Abstract Abstract Featureselectionisall research inmachine and important problem data learning the ofdimensionsofthedata tothefieldsofdata and mining．Asincreasing applied mining machine havetoconsumemoreand more resourcesto learning，people computer storage and these data．For resourceand theSOcalled“thecurseof compute saving avoiding featurereduction havebecomemoreandmoreusefulin dimension”，the techniques many researchfield and document practicalapplications．Forexample，Web of DataandSOforth． Sequenceanalysisgeneexpression，Portfolio towhether