融合PLS监督特征提取和虚假最近邻点的数据分类特征选择

• 作者: 姚立忠 李太福 苏盈盈 颜克胜 魏正元
• 来源期刊: 计算机与应用化学
• 学科: 工学
• 关键词: 偏最小二乘 虚假最近邻点 相似性测度 特征选择
• 年，卷（期）: 2012,（7）
• 页码范围: 817-821
• 页数: 5页
• 分类号: TP391.4|O235
• 字数: 5115字
• 语种: 中文

摘要

在高维数据分类中,针对多重共线性、冗余特征及噪声易导致分类器识别精度低和时空开销大的问题,提出融合偏最小二乘(Partial Least Squares,PLS)有监督特征提取和虚假最近邻点(False Nearest Neighbors,FNN)的特征选择方法:首先利用偏最小二乘对高维数据提取主元,消除特征之间的多重共线性,得到携带监督信息的独立主元空间；然后通过计算各特征选择前后在此空间的相关性,建立基于虚假最近邻点的特征相似性测度,得到原始特征对类别变量解释能力强弱排序；最后,依次剔除解释能力弱的特征,构造出各种分类模型,并以支持向量机(Support Vector Machine,SVM)分类识别率为模型评估准则,搜索出识别率最高但含特征数最少的分类模型,此模型所含的特征即为最佳特征子集.3个数据集模型仿真结果均表明,由此法选择出的最佳特征子集与各数据集的本质分类特征吻合,说明该方法有良好的特征选择能力,为数据分类特征选择提供了一条新途径.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李太福		87	399	11.0	15.0
2	苏盈盈		50	147	6.0	9.0
3	姚立忠	西安石油大学电子工程学院	8	85	6.0	8.0
4	魏正元	重庆理工大学数学与统计学院	21	82	5.0	8.0
5	颜克胜	重庆理工大学数学与统计学院	4	22	3.0	4.0