数据流分类中的增量特征选择算法

• 作者: 李敏 王勇 蔡立军
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 数据流分类 信息增益 增量特征选择 概念漂移
• 年，卷（期）: 2010,（9）
• 页码范围: 2321-2323,2328
• 分类号: TP18|TP311.13
• 字数: 3287字
• 语种: 中文

摘要

概念流动的出现及数据的高维性增加了数据流特征选择的复杂性.信息增益是最有效的特征选择算法之一,但计算量大.对信息增益做了等价替换,提出一种基于改进信息增益的混合增量特征选择(IFS)算法.该算法首先利用与分类器无关的评价函数选出候选特征集合,然后将分类器作用于候选特征集合,利用分类精度作为评价标准去选择特征子集,在遇到概念漂移时重新选择特征子集.通过在超平面数据集和UCI数据集上的实验,表明基于IFS算法的分类器能够很快地适应概念漂移,并且比基于全部特征的分类算法有更高的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王勇	西北工业大学计算机学院	73	493	12.0	19.0
2	李敏	西北工业大学理学院	12	106	6.0	10.0
3	蔡立军	西北工业大学理学院	15	63	4.0	7.0