多变量时间序列的无监督属性选择算法

• 作者: 吴虎胜 张凤鸣 张超 徐显亮 杜继永
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 分形维数 离散粒子群算法 属性选择 多变量时间序列
• 年，卷（期）: 2013,（10）
• 所属期刊栏目: 论文与报告
• 页码范围: 916-923
• 页数: 8页
• 分类号: TP391
• 字数: 7262字
• 语种: 中文

摘要

属性选择是一种有效的数据预处理方法，可同时保留多变量时间序列重要变量的时序关系及其实际物理意义。针对很多实际数据无类别信息的问题，文中提出一种无监督属性选择算法并分析其复杂度。首先设计一种无需进行相空间重构的多变量时间序列分形维数计算方法，并将分形维数视为其本质维，利用属性子集的分形维数及其属性数目的变化作为子集优劣的评价标准。再优化离散粒子群算法以解决高维属性空间搜索的“组合爆炸”问题。最后利用典型混沌动力学系统所产生的多变量时间序列和UCI数据库的5组数据集进行仿真计算，结果表明该算法可在较短时间内找到较优的属性子集，具有较优的整体性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张凤鸣	空军工程大学装备管理与安全工程学院	162	2152	23.0	39.0
2	吴虎胜	空军工程大学装备管理与安全工程学院	32	494	11.0	22.0
6	张超	空军工程大学装备管理与安全工程学院	17	137	6.0	11.0
7	杜继永	空军工程大学装备管理与安全工程学院	19	178	7.0	13.0
8	徐显亮		3	11	2.0	3.0