具有主动成对约束的监督特征选择方法-研究论文

时间:2024-06-08 13:03:56
【文件属性】:

文件名称:具有主动成对约束的监督特征选择方法-研究论文

文件大小:556KB

文件格式:PDF

更新时间:2024-06-08 13:03:56

Active learning Feature selection Pairwise

特征选择是挖掘高维数据的重要预处理步骤。 它旨在确定最有用的功能,以实现紧凑,准确的数据表示。 由于典型的受监督特征选择方法比无监督方法具有更好的性能,在无监督方法中,使用类标签作为受监督信息。 除类标签外,还有其他形式的受监管信息,例如,成对约束。 但是,大多数现有方法在事先提供成对约束并随机选择的意义上是被动的。 这可能导致使用多余,不必要甚至对结果有害的约束。 为了解决这些问题,我们提出了一种基于主动成对约束的监督特征选择方法。 通过选择信息最丰富的实例并查询其与邻域的关系。 与几种已建立的特征选择方法相比,UCI存储库中的一系列高维数据集的实验结果证明了该方法的有效性。


网友评论