原文服务方: 计算机应用研究       
摘要:
特征选择是数据挖掘和机器学习领域中一种常用的数据预处理技术。在无监督学习环境下,定义了一种特征平均相关度的度量方法,并在此基础上提出了一种基于特征聚类的特征选择方法 FSFC。该方法利用聚类算法在不同子空间中搜索簇群,使具有较强依赖关系(存在冗余性)的特征被划分到同一个簇群中,然后从每一个簇群中挑选具有代表性的子集共同构成特征子集,最终达到去除不相关特征和冗余特征的目的。在 UCI 数据集上的实验结果表明,FSFC 方法与几种经典的有监督特征选择方法具有相当的特征约减效果和分类性能。
推荐文章
一种面向聚类的加权特征选择算法
加权特征选择
聚类
信息熵
邻域分析
特征权值向量
一种基于改进K-means聚类的文本特征选择模型
特征选择
特征降维
特征聚类
文本分类
一种面向软件缺陷预测的特征聚类选择方法
软件缺陷预测
特征选择
特征聚类
一种基于类内类间距离的ICA特征选择方法
独立分量分析(ICA)
类内距离
类间距离
特征选择
遗传算法
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 一种基于特征聚类的特征选择方法
来源期刊 计算机应用研究 学科
关键词 特征选择 特征聚类 相关度 无监督学习
年,卷(期) 2015,(5) 所属期刊栏目 算法研究与探讨
研究方向 页码范围 1305-1308
页数 4页 分类号 TP181
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2015.05.006
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 蒋盛益 广东外语外贸大学思科信息学院 92 1053 18.0 28.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (25)
共引文献  (57)
参考文献  (8)
节点文献
引证文献  (34)
同被引文献  (130)
二级引证文献  (70)
1906(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(4)
  • 参考文献(1)
  • 二级参考文献(3)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(3)
  • 参考文献(1)
  • 二级参考文献(2)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(3)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(1)
2015(3)
  • 引证文献(2)
  • 二级引证文献(1)
2016(5)
  • 引证文献(4)
  • 二级引证文献(1)
2017(13)
  • 引证文献(9)
  • 二级引证文献(4)
2018(24)
  • 引证文献(9)
  • 二级引证文献(15)
2019(37)
  • 引证文献(6)
  • 二级引证文献(31)
2020(22)
  • 引证文献(4)
  • 二级引证文献(18)
研究主题发展历程
节点文献
特征选择
特征聚类
相关度
无监督学习
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
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
论文1v1指导