一种基于特征聚类的特征选择方法

• 作者: 王连喜 蒋盛益
• 来源期刊: 计算机应用研究
• 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
• 页码范围: 1305-1308
• 页数: 4页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2015.05.006

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。

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