基于分形和邻接空间密度变化的属性选择方法

• 作者: 倪丽萍 倪志伟 杨葛钟啸 梁敏君
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 属性选择 分形维数 邻接空间 密度
• 年，卷（期）: 2008,（20）
• 所属期刊栏目: 数据库、信号与信息处理
• 页码范围: 142-144
• 页数: 3页
• 分类号: TP311
• 字数: 3880字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2008.20.043

摘要

属性选择通常作为一个主要的预处理步骤,在机器学习和数据挖掘领域有着广泛的应用.选择出能够表征数据集分形特征的属性子集,对研究数据集的分形规律具有重要的价值,根据数据集的分形特征,引入了密度分析方法,指出了当前基于分形维数的属性选择方法的不足,提出了一种基于分形和邻接空间密度变化的属性选择方法.为了分析实验结果的有效性,利用SVM分类算法和K-fold交叉验证相结合的方法对3个数据集属性选择前后的分类性能进行了测试.实验证明该方法在属性选择方面有较好的性能,能够得到较优的属性子集.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	倪志伟	合肥工业大学管理学院	136	1346	21.0	27.0
2	倪丽萍	合肥工业大学管理学院	31	305	10.0	16.0
3	杨葛钟啸	合肥工业大学管理学院	4	27	4.0	4.0
4	梁敏君	合肥工业大学管理学院	2	12	2.0	2.0