典型文献
决策依赖聚类的高维数据特征选择
文献摘要：
针对启发式特征选择和特征聚类驱动特征选择方法的不足,研究了决策依赖的特征冗余性问题,提出了一种基于邻域粗糙集的决策依赖特征聚类的高维数据特征选择方法(RDCFS).首先,依据邻域粗糙集模型,设计了一种特征联合依赖度增益度量,刻画数据特征在分类和辨识层面上的冗余性和关联性.其次,构建了一种最优特征簇结构的评估准则和特征冗余图的最优图割划分.再次,给出了一种基于簇信息的特征中心度和特征依存度度量,指导实现高维数据的特征选择.在UCI数据库中选取8组真实数据集作对比实验,实验结果表明本文所提特征选择方法能够获得更紧凑的特征子集,且在分类性能上优于多种现有最新方法.
文献关键词：
高维数据;特征选择;决策依赖性;聚类
中图分类号：
作者姓名：
邓廷权;辛丽颖
作者机构：
哈尔滨工程大学 数学科学学院,哈尔滨 150001
文献出处：
引用格式：
[1]邓廷权;辛丽颖-.决策依赖聚类的高维数据特征选择)[J].西南师范大学学报（自然科学版）,2022(03):16-25
A类：
RDCFS,决策依赖性
B类：
高维数据,数据特征,特征选择,启发式,特征聚类,驱动特征,选择方法,冗余性,邻域粗糙集,赖特,特征联合,依赖度,优特,簇结构,评估准则,图割,中心度,依存度,度度,UCI,真实数据,更紧,紧凑,特征子集,分类性能
AB值：
0.375303
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
