作　　者： ; ; ; ;

机构地区： 南京航空航天大学计算机科学与技术学院

出　　处： 《计算机工程》 2012年第9期197-198,201,共3页

摘　　要： 针对数据挖掘与模式识别领域中的高维数据处理问题,通过分析样本类间距离与类内距离,给出一种基于图理论的特征排序框架。根据该框架,提出使用类内-类间和K近邻相似度定义的2种快速特征选择算法,能避免复杂度较高的广义特征分解过程。实验结果表明,该算法具有较高的分类精度。 The high dimensionality of the data samples often makes the data mining or pattern recognition tasks intractable, through analyzing both the within-class distance and between-class distance, it presents a fast feature ranking framework, from which the computationally expensive feature decomposition is avoided. Two similarity measures of within-class and between-class similarity and K nearest neighbor similarity are employed to derive efficient feature selection algorithms. Experimental results demonstrate that these algorithms have higher classification precision.

关 键 词： 数据挖掘 模式识别 特征选择 图模型 特征分解 近邻

领　　域： [自动化与计算机技术] [自动化与计算机技术] [自动化与计算机技术] [自动化与计算机技术]