%0 Journal Article
%T 基于近邻传播聚类的集成特征选择方法
%A 孟 军？
%A 尉双云？
%J 计算机科学
%D 2015
%R 10.11896/j.issn.1002-137X.2015.03.050
%X 针对高维数据中的类标记仅与少部分特征关联紧密的问题,提出了基于排序聚合和聚类分组的特征随机选择集成学习方法。采用排序聚合技术对特征进行过滤,选出与样本分类相关的特征,以bicor关联系数作为关联衡量标准,利用近邻传播聚类算法进行分组,使不同组的特征互不关联,然后从每个分组中随机选择一个特征生成特征子集,便可得到多个既存在差异性又具备区分能力的特征子集,最后分别在对应的特征子空间训练基分类器,采用多数投票进行融合集成。在7个基因表达数据集上的实验结果表明,提出的方法分类误差较低,分类性能稳定,可扩展性好。
%K 分类
%K 排序聚合
%K 近邻传播聚类
%K 集成特征选择
%U http://www.jsjkx.com/jsjkx/ch/reader/view_abstract.aspx?file_no=20150350&flag=1