基于特征选择的统计最优样本大小算法

• 作者: 吴秦 邓杰 钱恒 钱雪忠
• 来源期刊: 计算机应用研究
• 关键词: 统计最优样本大小算法 高维数据集 特征选择 熵 聚类
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3535-3538,3549
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2014.12.004

摘要

针对统计最优样本大小算法在确定大数据集,尤其是高维数据集抽样样本大小时的执行效率较低,以及高维数据集中每一维属性的重要性不同且可能存在冗余属性,提出一种基于特征选择的统计最优样本大小算法.该算法基于熵理论,通过构造一个基于对象间相似度的熵度量方法来评估特征重要性,然后根据设计的一种挑选特征的标准获得重要的特征子集,最后在该特征子集上执行统计最优样本大小算法.实验结果表明,改进后算法得到的样本大小抽取的样本集能够在聚类算法中得到较高的准确率,同时也较明显地降低了算法的执行时间,从而验证了改进后的算法是有效可行的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱雪忠	江南大学物联网工程学院	92	741	15.0	22.0
2	吴秦	江南大学物联网工程学院	29	96	6.0	8.0
3	邓杰	江南大学物联网工程学院	3	14	2.0	3.0
4	钱恒	扬州大学信息工程学院	1	6	1.0	1.0