基于非负矩阵分解的代价敏感特征选择

• 作者: 周步芳 祝峰
• 来源期刊: 烟台大学学报（自然科学与工程版）
• 学科: 工学
• 关键词: 机器学习 代价敏感 特征选择 非负矩阵分解
• 年，卷（期）: 2017,（4）
• 页码范围: 341-347
• 页数: 7页
• 分类号: TP181
• 字数: 5448字
• 语种: 中文
• DOI: 10.13951/j.cnki.37-1213/n.2017.04.013

摘要

数据降维可降低分析处理多维数据的复杂度和成本.特征选择是常见的数据降维方法.传统的特征选择算法更多关注算法的分类性能,忽略了对选择过程中产生的测试代价(Cost-test)的考虑,基于此提出一种新的基于非负分解的代价敏感特征选择方法(Nmf-Ct).NmfCt算法构造的目标函数能够同时约束重建误差最小和测试代价最小,在对数据进行预处理降维的同时,不但能确保较好的分类正确率(Accuracy),而且还能保持较低的测试代价.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	祝峰	闽南师范大学计算机学院福建省粒计算重点实验室	20	53	4.0	6.0
2	周步芳	闽南师范大学计算机学院福建省粒计算重点实验室	1	0	0.0	0.0