基于样本邻域保持的代价敏感特征选择

• 作者: 余胜龙 赵红
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 特征选择 邻域保持 有监督学习 代价敏感
• 年，卷（期）: 2018,（2）
• 页码范围: 317-322
• 页数: 6页
• 分类号: TP391.7
• 字数: 3636字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2018.02.014

摘要

特征选择是机器学习和数据挖据中一个重要的预处理步骤,而类别不均衡数据的特征选择是机器学习和模式识别中的一个热点研究问题.多数传统的特征选择分类算法追求高精度,并假设数据没有误分类代价或者有同样的代价.在现实应用中,不同的误分类往往会产生不同的误分类代价.为了得到最小误分类代价下的特征子集,本文提出一种基于样本邻域保持的代价敏感特征选择算法.该算法的核心思想是把样本邻域引入现有的代价敏感特征选择框架.在8个真实数据集上的实验结果表明了该算法的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵红	闽南师范大学粒计算及其应用重点实验室	12	34	3.0	5.0
2	余胜龙	闽南师范大学粒计算及其应用重点实验室	1	0	0.0	0.0