| 利用特征扰动的高维小样本数据子空间学习 |
| |
| 引用本文： | 曾海亮,林耀进,唐莉,王晨曦.利用特征扰动的高维小样本数据子空间学习[J].江苏科技大学学报(社会科学版),2020,34(1):62-68,110. |
| |
| 作者姓名： | 曾海亮 林耀进 唐莉 王晨曦 |
| |
| 作者单位： | 闽南师范大学 计算机学院,漳州363000;数据科学与智能应用福建省高等学校重点实验室,漳州363000,闽南师范大学 计算机学院,漳州363000;数据科学与智能应用福建省高等学校重点实验室,漳州363000,闽南师范大学 计算机学院,漳州363000;数据科学与智能应用福建省高等学校重点实验室,漳州363000,闽南师范大学 计算机学院,漳州363000;数据科学与智能应用福建省高等学校重点实验室,漳州363000 |
| |
| 基金项目： | 国家自然科学基金资助项目;福建省教育厅科技项目;福建省自然科学基金资助项目 |
| |
| 摘 要： | 在基因微阵列、文本数据分析、图像识别等领域,数据存在着高维性、高噪声、类别不平衡等问题,给深入准确挖掘高维小样本数据中所蕴含的有用知识和特征选择带来了极大困难,对高维小样本数据的分类学习性能带来了消极影响.为了获得具有高效分类性能的特征,利用特征扰动策略,定义了基准属性及基准属性空间,构建了利用具有差异性的多个特征子空间.在此基础上,构建了利用特征扰动策略的高维小样本数据的特征选择算法.在8个数据集上与其他7个特征选择算法进行实验结果对比,表明了所提算法的有效性.
|
| 关 键 词： | 特征扰动 高维小样本 子空间 邻域粗糙集 |
Subspace learning of high dimensional small sample data using feature disturbance |
| |
| ZENG Hailiang,LIN Yaojin,TANG Li,WANG Chenxi.Subspace learning of high dimensional small sample data using feature disturbance[J].Journal of Jiangsu University of Science and Technology:Natural Science Edition,2020,34(1):62-68,110. |
| |
| Authors: | ZENG Hailiang LIN Yaojin TANG Li WANG Chenxi |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
