一种基于图的特征选择方法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (26): 186-188.

• 图形、图像、模式识别 • 上一篇下一篇

一种基于图的特征选择方法

张齐1，林媛媛1，余国先2

1.华南理工大学计算机系统结构研究所，广州 510006
2.华南理工大学计算机科学与工程学院，广州 510006

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-09-11 发布日期:2011-09-11

New filter method for feature selection based on graph

ZHANG Qi1，LIN Yuanyuan1，YU Guoxian2

1.Institute of Computer Architecture，South China University of Technology，Guangzhou 510006，China
2.College of Computer Science and Engineering，South China University of Technology，Guangzhou 510006，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-09-11 Published:2011-09-11

摘要/Abstract

摘要： 在很多的机器学习和数据挖掘任务中，特征子集选择是重要的数据预处理步骤之一。提出一种基于图方法的无监督式特征选择方法（GBFS），构造一个以样本数据为顶点，数据间相似性作为边的图，再根据各特征的得分优先选择那些具有局部信息保持和全局区分能力的特征。实验结果表明，基于该方法选择的特征子集，在大多数情况下都能取得较好的分类效果。

关键词: 特征选择, 基于图的方法, 局部和全局信息

Abstract: In many machine learning and data mining tasks，feature subset selection is an important step in data preprocessing.This paper presents a Graph Based Feature Selection（GBFS） algorithm，which is based on the graph，and prefers the features with local information preserving and global discriminative power.The experimental results validate its effectiveness in feature subset selection.

Key words: feature selection, graph based, local and global information

张齐1，林媛媛1，余国先2. 一种基于图的特征选择方法[J]. 计算机工程与应用, 2011, 47(26): 186-188.

ZHANG Qi1，LIN Yuanyuan1，YU Guoxian2. New filter method for feature selection based on graph[J]. Computer Engineering and Applications, 2011, 47(26): 186-188.

[1]	李莉，纪欣沅，宋嵩. 回环软件缺陷数量预测模型[J]. 计算机工程与应用, 2021, 57(7): 158-163.
[2]	李静星，杨有龙. 针对高维数据的马尔科夫毯特征选择[J]. 计算机工程与应用, 2021, 57(6): 58-66.
[3]	林炜星，王宇嘉，陈万芬，梁海娜. 基于多因子粒子群的高维数据特征选择算法[J]. 计算机工程与应用, 2021, 57(22): 199-207.
[4]	李珑珠，林耀进，吕彦，卢舜，王晨曦. 利用邻域信息交互的在线流特征选择算法[J]. 计算机工程与应用, 2021, 57(21): 102-108.
[5]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[6]	武炜杰，张景祥. 融合分类信息的随机森林特征选择算法及应用[J]. 计算机工程与应用, 2021, 57(17): 147-156.
[7]	邱云飞，高华聪. 混合Filter与改进自适应GA的特征选择方法[J]. 计算机工程与应用, 2021, 57(11): 95-102.
[8]	霍林，陆寅丽. 改进粒子群算法应用于Android恶意应用检测[J]. 计算机工程与应用, 2020, 56(7): 96-101.
[9]	廖文雄，曾碧，梁天恺，徐雅芸，赵俊峰. 面向高维数据的个人信贷风险评估方法[J]. 计算机工程与应用, 2020, 56(4): 219-224.
[10]	彭明，张海澎. 基于Schatten-p范数和特征自表示的无监督特征选择[J]. 计算机工程与应用, 2020, 56(23): 45-52.
[11]	刘峰，Godfred Kim Mensah，李欣芸，刘鸿丽，李瑶，郭浩. 不确定脑网络的异常拓扑分析及分类研究[J]. 计算机工程与应用, 2020, 56(2): 127-132.
[12]	岳鹏，侯凌燕，杨大利，佟强. 基于XGBoost特征选择的疾病诊断XLC-Stacking方法[J]. 计算机工程与应用, 2020, 56(17): 136-141.
[13]	黄欣，莫海淼，赵志刚，曾敏. 离散型增强烟花算法和[kNN]在特征选择中的研究[J]. 计算机工程与应用, 2020, 56(16): 112-117.
[14]	周婉莹，马盈仓，续秋霞，郑毅. 最大熵和[l2,0]范数约束的无监督特征选择算法[J]. 计算机工程与应用, 2020, 56(11): 51-59.
[15]	郭磊，王顺芳. 序列信息融合与两阶段特征选择的膜蛋白预测[J]. 计算机工程与应用, 2019, 55(6): 145-150.

一种基于图的特征选择方法

New filter method for feature selection based on graph

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics