基于随机矩阵理论的高维数据特征选择方法

作者：王妍; 杨钧; 孙凌峰; 李玉诺; 宋宝燕

来源：计算机应用, 2017, 37(12): 3467-3471.

• 随机矩阵
• 特征选择
• 去噪
• 奇异值
• 相关矩阵

传统特征选择方法多是通过相关度量来去除冗余特征,并没有考虑到高维相关矩阵中会存在大量的噪声,严重地影响特征选择结果。为解决此问题,提出基于随机矩阵理论(RMT)的特征选择方法。首先,将相关矩阵中符合随机矩阵预测的奇异值去除,从而得到去噪后的相关矩阵和选择特征的数量;然后,对去噪后的相关矩阵进行奇异值分解,通过分解矩阵获得特征与类的相关性;最后,根据特征与类的相关性和特征之间冗余性完成特征选择。此外,还提出一种特征选择优化方法,通过依次将每一个特征设为随机变量,比较其奇异值向量与原始奇异值向量的差异来进一步优化结果。分类实验结果表明所提方法能够有效提高分类准确率,减小训练数据规模。

• 单位
  辽宁大学; 荣科科技股份有限公司