-
题名高维小样本分类问题中特征选择研究综述
被引量：39
- 1
-
-
作者
王翔
胡学钢
-
机构
合肥工业大学计算机信息学院
安徽省科学技术情报研究所文献情报分析中心
-
出处
《计算机应用》
CSCD
北大核心
2017年第9期2433-2438,2448,共7页
-
基金
国家973计划项目(2016YFC0801406)
国家自然科学基金资助项目(61673152)
安徽省自然科学基金资助项目(1408085QF136)~~
-
文摘
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
特征选择
高维数据
小样本学习
信息过滤
支持向量机
-
Keywords
feature selection high-dimensional data small-sample-size learning information filtering Support Vector Machine （SVM）
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
