作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出了一种过滤冗余特征的算法框架,利用组特征选择算法去除冗余特征。在组构造阶段为了弥补单一聚类算法的不足,引入聚类集成的思想,先利用k-means 方法通过多次聚类得到一个聚类集体,在集成阶段再利用层次聚类算法对聚类集体进行集成得到最终的结果。实验结果表明,这种算法框架能有效消除冗余特征,在保证算法稳定性的同时还能获得很好的性能。
推荐文章
一种基于特征聚类的特征选择方法
特征选择
特征聚类
相关度
无监督学习
无监督环境下基于聚类集成的特征选择
特征聚类
无监督学习
集成聚类
基于聚类选择的分类器集成
分类器集成
聚类
分类器选择
差异性
神经网络
采用机器学习的聚类模型特征选择方法比较
特征选择
聚类模型
机器学习
递归特征消除算法
Boruta方法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于特征聚类集成技术的组特征选择方法
来源期刊 微型机与应用 学科 工学
关键词 稳定性 组特征选择 聚类集成 层次聚类
年,卷(期) 2014,(11) 所属期刊栏目
研究方向 页码范围 75-78
页数 4页 分类号 TP391.1
字数 3750字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 黄莎莎 南京邮电大学计算机学院 1 6 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (9)
节点文献
引证文献  (6)
同被引文献  (7)
二级引证文献  (2)
1997(2)
  • 参考文献(2)
  • 二级参考文献(0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(2)
  • 引证文献(0)
  • 二级引证文献(2)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
稳定性
组特征选择
聚类集成
层次聚类
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
信息技术与网络安全
月刊
2096-5133
10-1543/TP
大16开
北京市海淀区清华东路25号(北京927信箱)
82-417
1982
chi
出版文献量(篇)
10909
总下载数(次)
33
总被引数(次)
35987
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导