一种面向不平衡数据的半监督特征选择算法

• 作者: 徐扬 杜利敏
• 来源期刊: 河南理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 遗传算法 Biased-SVM 不平衡数据 半监督学习 特征选择
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 机电与计算机工程
• 页码范围: 95-99,105
• 页数: 6页
• 分类号: TP391
• 字数: 4040字
• 语种: 中文
• DOI: 10.16186/j.cnki.1673-9787.2017.05.016

摘要

针对不平衡数据中特征维数高、标记样本缺乏问题,提出一种基于遗传算法和Biased-SVM的不平衡数据半监督特征选择算法.该方法首先利用初始的标记样本集训练处理不平衡数据的Biased-SVM模型,然后用训练好的Biased-SVM模型为未标记样本加上标签,再把新标记样本加入到初始标记样本集中,得到新标记样本集,最后采用基于遗传算法的不平衡数据特征选择方法选出最优的特征子集.实验结果表明,所提方法在不同的标记样本率下均具有较高的平均特征子集缩减率和平均小类识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐扬	西南交通大学智能控制开发中心	186	1462	15.0	32.0
2	杜利敏	西南交通大学智能控制开发中心	5	18	3.0	4.0