基于图的特征选择算法  

Feature Selection Algorithm Based on Graph

作　　者：潘锋[1,2] 王建东[1] 顾其威[2] 牛奔[2] 

机构地区：[1]南京航空航天大学计算机科学与技术学院,南京210016 [2]深圳大学管理学院,广东深圳518060

出　　处：《计算机工程》2012年第9期197-198,201,共3页Computer Engineering

基　　金：国家自然科学基金资助项目(71001072);广东省自然科学基金资助项目(9451806001002694)

摘　　要：针对数据挖掘与模式识别领域中的高维数据处理问题,通过分析样本类间距离与类内距离,给出一种基于图理论的特征排序框架。根据该框架,提出使用类内-类间和K近邻相似度定义的2种快速特征选择算法,能避免复杂度较高的广义特征分解过程。实验结果表明,该算法具有较高的分类精度。The high dimensionality of the data samples often makes the data mining or pattern recognition tasks intractable, through analyzing both the within-class distance and between-class distance, it presents a fast feature ranking framework, from which the computationally expensive feature decomposition is avoided. Two similarity measures of within-class and between-class similarity and K nearest neighbor similarity are employed to derive efficient feature selection algorithms. Experimental results demonstrate that these algorithms have higher classification precision.

关 键 词：数据挖掘 模式识别 特征选择 图模型 特征分解 K近邻 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] TP301.6[自动化与计算机技术—控制科学与工程]