一种快速Wrapper式特征子集选择新方法.pdfVIP

第7 卷第4 期 长 沙 理 工 大 学 学 报 (自然 科 学 版 ) Vol.7 No.4 2010 年12 月 Journal of Changsha University of Science and Technology(Natural Science) Dec.2010 　　文章编号:1672-9331(2010)04-0069-06 一种快速的Wrapper 式特征子集选择新方法 叶吉祥, 龚希龄 (长沙理工大学 计算机与通信工程学院, 湖南 长沙　4 10004) 摘　要:Wrapper 式特征选择方法需要耗费大量时间, 为此提出了一种快速的Wrapper 式特征选择新方法 (Fast Feature Subset Rankin , 简称FFSR).与以单个特征作为评价单位的传统方法不同, FFS R 算法以特征 子集作为评价单位, 以子集收敛能力作为评价标准.FFSR 算法从收敛速度和收敛极值两个方面对收敛能力 进行分析, 并利用 Sequential Floatin Forward Selection(简称SFFS)算法构造和评价快速收敛的子集.FFSR 算法选择的特征子集能力接近SFFS 算法, 但所需时间较SFFS 算法大幅度减少. 关键词:特征选择;快速特征选择;封装式特征选择;特征评价 中图分类号:TP18;TP391 文献标识码:A A novel fast Wrapper for feature subset selection YE Ji-xian , GONG Xi-lin (School of Computer and Communication En ineerin , Chan sha University of Science and T echnolo y , Chan sha 4 10004, China) Abstract:W rapper feature selection methods are very time-consumin .T his paper proposes a novel fast Wrapper method, namely Fast Feature Subset Rankin (FFS R).In contrast w ith conventional methods take sin le feature, the basic evaluation unit of FFSR is feature subset and the criterion is the conver ence ability of the subset .FFSR analyses conver ence ability from both aspect of speed and extremum, and employ s Sequential Floatin Forw ard Selection (SFFS)to construct and evaluate fast conver ent subset.Compared w ith SFFS, FFSR can si nificantly reduce the time required w hile just sli htly low the feature ability. Key words:feature selection;fast feature selection;Wrapper;feature evaluation 　　特征选择是指从D 维的特征F 中选择一个d ter 方式不考虑具体的学习算法, 而是直接从原始 维子集, 该子集在F 的所有维数为d 的子集中使某