基于GMDH的迁移特征选择模型研究

• 作者: 李红梅 肖进 贺昌政
• 来源期刊: 计算机应用研究
• 关键词: 特征选择 迁移学习 数据分组处理
• 年，卷（期）: 2012,（3）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 829-832
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2012.03.007

摘要

将迁移学习和数据分组处理算法集成起来,提出了一种基于数据分组处理算法的迁移特征选择( GMDH-TFS)模型.在UCI的四个数据集上,将GMDH-TFS模型与以全部特征作分类(FULL)的结果以及常用的特征选择模型(前向监督特征选择模型( SFFS)、前向半监督特征选择模型(FW-SemiFS)和迁移特征选择模型(TFS))作比较实验,结果表明,GMDH-TFS在特征选择方面比其他四种方法有更好的效果,在小样本情况下也得到了同样的结果.GMDH-TFS模型可以在数据分布不一致的情况下进行特征选择,同时面对数据匮乏也能取得理想的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贺昌政	四川大学工商管理学院	124	1581	21.0	32.0
2	肖进	四川大学工商管理学院	36	471	12.0	21.0
3	李红梅	四川大学工商管理学院	20	60	5.0	7.0