基于类标号扩展的半监督特征选择算法

特征选择是数据挖掘、机器学习等领域的重要内容，在缺乏已标记样本的情况下，如何有效选择特征是一个非常值得研究的问题。基于集合间相关度与自相关度的定义，提出了一种新颖的半监督特征选择方法，从原始、少量、且已标记的训练样本出发，通过扩展类标号得到最终的聚类效果，采用复合的评价方法作为衡量特征子集的标准。大量实验结果表明，该算法是有效的。