A clustering-based feature selection via feature separability
A clustering-based feature selection via feature separability
复制标题
通过特征可分离性进行基于聚类的特征选择
DOI：
10.3233/jifs-169022
复制
发表时间：
2016
影响因子：
2
通讯作者：
Lianxi Wang
中科院分区：
文献类型：
--
作者：
Shengyi Jiang;Lianxi Wang
随着文本分类、基因组微阵列、生物信息学和数字图像等数据量的广泛增加，特征选择面临着越来越多的挑战。近年来，特征选择在监督学习中得到了广泛的研究，但在无监督学习中，由于缺乏类别信息和明确的搜索标准，特征选择的工作明显较少。在这项工作中，我们引入了一个新的措施来评估功能的重要性方面的功能可分性。然后引入基于聚类的特征选择算法进行特征选择。该算法具有近似线性的时间复杂度，通过基于特征可分性的排序过程选择最终的特征子集，适用于混合性质的数据集。在UCI数据集上的实验结果表明，该方法在保留相关特征的基础上，对大多数数据集都能获得相似甚至更好的分类和聚类结果，在降维和分类精度方面优于传统的有监督和无监督特征选择方法.
With the extensive increase of the amount of data, such as text categorization, genomic microarray data, bioinformatics and digital images, there are more and more challenges in feature selection. Recently, feature selection has been widely studied in supervised learning, but there is significantly less work in unsupervised learning because of the absence of class information and explicit search criteria. In this work, we introduce a new measure to assess the importance of features in terms of feature separability. A clustering-based feature selection algorithm is then introduced to conduct the feature selection. The proposed algorithm with nearly linear time complexity selects final feature subset through a ranking procedure based on the separabilities of features and it is applicable to datasets of mixed nature. Experimental results on UCI datasets show that our method, by retaining relevant features, can obtain similar or even better results of classification and clustering for most datasets, and it outperforms other traditional supervised and unsupervised feature selection methods in terms of dimensionality reduction and classification accuracy.
登录
查看更多内容
DOI：
10.1007/978-3-642-34487-9_47
发表时间：
2012-11
期刊：
--
影响因子：
--
作者：
J. Adhikary;M. Murty
通讯作者：
J. Adhikary;M. Murty
基于多核架构的不确定数据高效top(k,l)范围查询处理
影响因子：
1.2
作者：
Guoqing Xiao;Kenli Li;Keqin Li;Xu Zhou;Yantao Zhou
通讯作者：
Yantao Zhou
DOI：
--
发表时间：
2014
期刊：
Journal of management science
影响因子：
--
作者：
อนิรุธ สืบสิงห์
通讯作者：
อนิรุธ สืบสิงห์
基于邻域决策误差最小化的离散和连续特征选择
DOI：
10.1109/tsmcb.2009.2024166
发表时间：
2010-02-01
影响因子：
--
作者：
Hu, Qinghua;Pedrycz, Witold;Lang, Jun
通讯作者：
Lang, Jun
DOI：
10.1016/j.patcog.2007.10.009
发表时间：
2008-05
期刊：
Pattern Recognit.
影响因子：
--
作者：
Daoqiang Zhang;Songcan Chen;Zhi-Hua Zhou
通讯作者：
Daoqiang Zhang;Songcan Chen;Zhi-Hua Zhou