高维数据挖掘中特征选择的稳健方法

• 作者: 李泽安 章雅娟 赵为华 陈建平
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 高维数据 特征选择 众数回归 自适应LASSO 最大期望算法
• 年，卷（期）: 2013,（8）
• 所属期刊栏目: 数据库技术
• 页码范围: 2194-2197,2235
• 页数: 5页
• 分类号: TP311
• 字数: 6240字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2013.08.2194

摘要

针对高维数据的特点,即数据中变量个数往往大于样本观测数目,并且数据往往具有异质性特点,基于众数回归分析和变量选择降维技术,提出了一种稳健有效的特征选择方法,利用局部二次逼近算法(LQA)和最大期望(EM)算法,给出估计算法和最优调节参数的选取方法.通过实验的模拟数据分析表明,所提出的特征提取选择方法整体优于基于最小二乘和中位数的正则化估计方法,特别当误差是非正态分布时,与已有方法相比具有较高的预测能力和稳健性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	章雅娟	南通大学计算机科学与技术学院	16	62	3.0	7.0
2	赵为华	南通大学理学院	34	99	5.0	8.0
3	李泽安	南通大学计算机科学与技术学院	31	104	4.0	9.0
4	陈建平	南通大学计算机科学与技术学院	53	327	10.0	15.0