计算机应用

作者：张小清, 王晨曦, 吕彦, 林耀进

单位：1.闽南师范大学 计算机学院，福建 漳州 363000；2.数据科学与智能应用福建省高校重点实验室，福建 漳州 363000

关键词：特征选择,在线流特征选择,层次分类,ReliefF算法,兄弟策略

基金：国家自然科学基金资助项目(62076116);福建省自然科学基金资助项目(2020J01811)

在图像标注、疾病诊断等实际分类任务中，数据标记空间的类别通常存在着层次化结构关系，且伴随着特征的高维性。许多层次特征选择算法因不同的实际任务需求而提出，但这些已有的特征选择算法忽略了特征空间的未知性和不确定性。针对上述问题，提出一种基于ReliefF的面向层次分类学习的在线流特征选择算法OH_ReliefF。首先将类别之间的层次关系融入ReliefF算法中，定义一种新的面向层次化数据的特征权重计算算法HF_ReliefF；其次，利用特征对决策属性的划分能力动态选择重要特征；最后，基于特征之间的独立性对特征进行动态冗余分析。实验结果表明，与五种先进的在线流特征选择算法作对比，OH_ReliefF算法在K最邻近（KNN）分类器和拉格朗日支持向量机（LSVM）分类器的各个评价指标中都取得较优的结果，准确率最少提高7个百分点。

来源：2022年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2022年第3期