联合邻域边界的在线流特征选择算法

作者：吕彦; 林耀进^*; 陈祥焰; 李珑珠; 王晨曦

来源：山西大学学报(自然科学版), 2020, 43(04): 698-705.

DOI：10.13451/j.sxu.ns.2020057

• 在线特征选择
• 邻域粗糙依赖度
• 邻域粗糙集
• 边界区域

在许多实际应用领域,特征随时间逐个流进特征空间并需及时进行在线选择,称为在线流特征选择。现有基于邻域粗糙集的在线流特征选择算法,仅考虑条件属性子集正域中包含的信息,而忽视了边界区域中的信息。基于此,文章提出了一种联合邻域边界的在线流特征选择算法(Joint Neighborhood Boundary for Online Streaming Feature Selection,OFS-JNB)。设计了一种新的计算邻域粗糙依赖度方法,同时,定义在线依赖度分析、在线重要度分析和在线冗余度分析等三种策略选择具有辨别能力的在线候选特征。在8个数据集上的实验显示,该算法能够选择出一个较好的特征子集。同时,在KNN、CART和LSVM分类器下,OFS-JNB算法的平均预测精度都是最优的,且精度值相对稳定。

• 单位
  闽南师范大学