作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对高维数据中的特征选择问题,提出一种有监督的特征选择方法.首先基于非线性相关度量标准作为对离散型特征进行选择,先后做选相关、去冗余两种相关分析,并采用向前方式搜索,最后用邻近算法作为分类器对所选择的特征进行实验.结果表明,该方法能选出有用的特征来提高分类准确率,并降低数据的维度.
推荐文章
新颖的无监督特征选择方法
分类
聚类算法
文档频
特征选择
K-Means
一种基于特征聚类的特征选择方法
特征选择
特征聚类
相关度
无监督学习
基于 Hessian半监督特征选择的网络图像标注
网络图像标注
半监督学习
Hessian 能
特征选择
基于密度峰值的无监督特征选择算法
特征选择
密度峰值
特征密度
特征距离
特征重要度
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 一种新的有监督特征选择方法
来源期刊 陕西理工学院学报(自然科学版) 学科 数学
关键词 特征选择 有监督 非线性 离散
年,卷(期) 2017,(4) 所属期刊栏目 数理科学
研究方向 页码范围 89-92
页数 4页 分类号 O212
字数 2792字 语种 中文
DOI
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 戴建国 广州大学数学与信息科学学院 5 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (6)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(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)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
特征选择
有监督
非线性
离散
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
陕西理工大学学报(自然科学版)
双月刊
2096-3998
61-1510/N
大16开
陕西省汉中市东一环路
1985
chi
出版文献量(篇)
2178
总下载数(次)
1
总被引数(次)
8152
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导