不平衡数据集上的Relief特征选择算法

• 作者: 崔彩霞 菅小艳 韩素青
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 特征选择 Relief算法 Relief F算法 不平衡数据集
• 年，卷（期）: 2016,（4）
• 页码范围: 838-844
• 页数: 7页
• 分类号: TP18
• 字数: 3836字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2016.04.024

摘要

Relief算法为系列特征选择方法，包括最早提出的Relief算法和后来拓展的Relief F算法，核心思想是对分类贡献大的特征赋予较大的权值；特点是算法简单，运行效率高，因此有着广泛的应用。但直接将Relief算法应用于有干扰的数据集或不平衡数据集，效果并不理想。基于Relief算法，提出一种干扰数据特征选择算法，称为阈值‐Relief算法，有效消除了干扰数据对分类结果的影响。结合K‐means算法，提出两种不平衡数据集特征选择算法，分别称为K‐means‐ReliefF算法和K‐means‐Relief抽样算法，有效弥补了Relief算法在不平衡数据集上表现出的不足。实验证明了本文算法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	崔彩霞	太原师范学院计算机系	20	146	7.0	12.0
2	韩素青	太原师范学院计算机系	20	68	5.0	8.0
3	菅小艳	太原师范学院计算机系	11	50	5.0	7.0