基于近邻传播聚类的集成特征选择方法

• 作者: 孟军 尉双云
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 分类 排序聚合 近邻传播聚类 集成特征选择
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 人工智能
• 页码范围: 241-244,260
• 页数: 5页
• 分类号: TP391
• 字数: 6777字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2015.3.050

摘要

针对高维数据中的类标记仅与少部分特征关联紧密的问题,提出了基于排序聚合和聚类分组的特征随机选择集成学习方法.采用排序聚合技术对特征进行过滤,选出与样本分类相关的特征,以bicor关联系数作为关联衡量标准,利用近邻传播聚类算法进行分组,使不同组的特征互不关联,然后从每个分组中随机选择一个特征生成特征子集,便可得到多个既存在差异性又具备区分能力的特征子集,最后分别在对应的特征子空间训练基分类器,采用多数投票进行融合集成.在7个基因表达数据集上的实验结果表明,提出的方法分类误差较低,分类性能稳定,可扩展性好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孟军	大连理工大学计算机科学与技术学院	26	378	9.0	19.0
2	尉双云	大连理工大学计算机科学与技术学院	1	5	1.0	1.0