基于GMDH的迁移特征选择模型研究  

Research about transferred feature selection based on GMDH

作　　者：李红梅[1] 贺昌政[1] 肖进[1] 

机构地区：[1]四川大学工商管理学院,成都610065

出　　处：《计算机应用研究》2012年第3期829-832,共4页Application Research of Computers

基　　金：国家自然科学基金资助项目(71071101;70771067;71101100);四川省软科学计划资助项目(2010ZR0132);四川大学科研启动基金资助项目(2010SCU11012)

摘　　要：将迁移学习和数据分组处理算法集成起来,提出了一种基于数据分组处理算法的迁移特征选择(GM-DH-TFS)模型。在UCI的四个数据集上,将GMDH-TFS模型与以全部特征作分类(FULL)的结果以及常用的特征选择模型(前向监督特征选择模型(SFFS)、前向半监督特征选择模型(FW-SemiFS)和迁移特征选择模型(TFS))作比较实验,结果表明,GMDH-TFS在特征选择方面比其他四种方法有更好的效果,在小样本情况下也得到了同样的结果。GMDH-TFS模型可以在数据分布不一致的情况下进行特征选择,同时面对数据匮乏也能取得理想的效果。This paper proposed a transferred feature selection model based on group method of data handling（GMDH-TFS） by integrating transfer learning and the group method of data handling algorithm.Comparison on four data sets of UCI among GMDH-TFS,classification with full features（FULL）,supervised forward feature selection（SFFS）,forward semi-supervised feature selection（FW-SemiFS） and transferred feature selection（TFS） show that GMDH-TFS has a better performance than other methods as well as in the case of learning with small samples.GMDH-TFS can do feature selection when the data are under different distribution,and can get satisfactory results even the data are not enough.

关 键 词：特征选择 迁移学习 数据分组处理 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]