高维小样本分类问题中特征选择研究综述

摘要：

随着生物信息学、基因表达谱微阵列、图像识别等技术的发展,高维小样本分类问题成为数据挖掘(包括机器学习、模式识别)中的一项挑战性任务,容易引发”维数灾难”和过拟合问题.针对这个问题,特征选择可以有效避免维数灾难,提升分类模型泛化能力,成为研究的热点,有必要对国内外高维小样本特征选择主要研究情况进行综述.首先分析了高维小样本特征选择问题的本质;其次,根据其算法的本质区别,重点对高维小样本数据的特征选择方法进行分类剖析和比较;最后对高维小样本特征选择研究面临的挑战以及研究方向作了展望.

关键词： 高维小样本 分类问题 特征选择 数据挖掘

作者: 王翔 胡学钢

作者单位: 合肥工业大学计算机信息学院,合肥230009;安徽省科学技术情报研究所文献情报分析中心,合肥230011 合肥工业大学计算机信息学院,合肥230009

会议类型: 国内会议

会议名称: 第十七届中国Rough集与软计算学术会议、第十一届中国Web智能学术研讨会、第十一届中国粒计算研讨会及第五届三支决策学术会议联合会议 (CRSSC-CWI-CGrC-3WD 2017)

会议地点: 合肥

会议语种:中文

页码: 2433-2438,2448

在线出版日期: 2017-05-26（万方平台首次上网日期，不代表论文的发表时间）