|
|||||
|
|
| 半监督Relief-F特征选择算法 | |
| 引用本文： | 靳炳烨,王锋,魏巍.半监督Relief-F特征选择算法[J].河北师范大学学报(自然科学版),2023(4):348-353. |
| 作者姓名： | 靳炳烨 王锋 魏巍 |
| 作者单位： | 山西大学计算机科学与技术学院 |
| 基金项目： | 国家自然科学基金(62276158)；;山西省回国留学人员科研资助项目(2021-007)； |
| 摘 要： | 数据规模的不断增加，使得为数据库中全部样本做标记变得尤为困难，数据集也因此呈现出了明显的弱标记性.为此，针对大规模少数标记数据集的特征选择问题，基于经典的Relief-F算法，通过综合考虑有标记样本与无标记样本对数据样本近邻的影响，重新定义样本近邻的搜索策略，提出了一种面向符号数据的半监督特征选择算法.为进一步分析新算法的有效性，仿真实验中选取了5组UCI数据集，并引入机器学习中3个常用分类器对新算法和对比算法的特征选择结果的分类性能作了分析和比较，实验结果很好地验证了本文中提出的新算法的有效性和可行性. |
| 关 键 词： | 特征选择 Relief-F算法 半监督学习 距离度量 |