高维少样本数据的特征压缩

• 作者: 吉国力 游文杰 袁明顺
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 广义小样本 主成分分析(PCA) 偏最小二乘(PLS) 特征提取 特征选择
• 年，卷（期）: 2009,（36）
• 所属期刊栏目: 图形、图像、模式识别
• 页码范围: 165-169
• 页数: 5页
• 分类号: TP391
• 字数: 6355字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2009.36.049

摘要

针对一类高维少样本数据的特点,给出了广义小样本概念,对广义小样本进行信息特征压缩:特征提取(降维)和特征选择(选维).首先介绍基于主成分分析(PCA)的无监督与基于偏最小二乘(PLS)的有监督的特征提取方法;其次通过分析第一成分结构,提出基于PCA与PLS的新的全局特征选择方法,并进一步提出基于PLS的递归特征排除法(PLS-RFE);最后针对MIT AML/ALL的分类问题,实现基于PCA与PLS的特征选择和特征提取,以及PLS-RFE特征选择与比较,达到广义小样本信息特征压缩的目的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吉国力	厦门大学自动化系	44	259	9.0	14.0