基于再生核希尔伯特空间映射的高维数据特征选择-计算机应用研究.pdfVIP

第３３卷第１２期 计 算 机 应 用 研 究 Ｖｏｌ３３Ｎｏ１２ ２０１６年１２月　 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｄｅｃ．２０１６ 基于再生核希尔伯特空间映射的 高维数据特征选择优化算法 张　静，王树梅 （南京理工大学计算机科学与技术学院，南京２１００１４） 摘　要：现有过滤型特征选择算法并未考虑非线性数据的内在结构，从而分类准确率远远低于封装型算法，对 此提出一种基于再生核希尔伯特空间映射的高维数据特征选择算法。首先基于分支定界法建立有哪些信誉好的足球投注网站树，并对其 进行有哪些信誉好的足球投注网站；然后基于再生核希尔伯特空间映射分析非线性数据的内部结构；最后根据数据集的内部结构选择最 优的距离计算方法。对比仿真实验结果表明，该方法与封装型特征选择算法具有接近的分类准确率，同时在计 算效率上具有明显的优势，适用于大数据分析。 关键词：非线性数据；特征选择；希尔伯特空间；大数据；高维数据 中图分类号：ＴＰ３９１　　 文献标志码：Ａ　　 文章编号：１００１３６９５（２０１６）１２３５３９０４ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１６．１２．００５ ＲｅｐｒｏｄｕｃｉｎｇｋｅｒｎｅｌＨｉｌｂｅｒｔｓｐａｃｅｍａｐｐｉｎｇｂａｓｅｄｆｅａｔｕｒｅ ｓｅｌｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｆｏｒｈｉｇｈｄｉｍｅｎｓｉｏｎａｌｄａｔａ ＺｈａｎｇＪｉｎｇ，ＷａｎｇＳｈｕｍｅｉ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，Ｎａｎｊｉｎｇ２１００１４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅｅｘｉｓｔｉｎｇｆｉｌｔｅｒｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｓｄｏｎｏｔｃｏｎｓｉｄｅｒｔｈｅｉｎｎｅｒｓｔｒｕｃｔｕｒｅｏｆｎｏｎｌｉｎｅａｒｄａｔａ，ｌｅａｄｔｏａｌｏｗｅｒ ｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙｔｈａｎｗｒａｐｐｅｒｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎｍｅｔｈｏｄｓ．ＴｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｒｅｐｒｏｄｕｃｉｎｇｋｅｒｎｅｌＨｉｌｂｅｒｔｓｐａｃｅｍａｐ ｐｉｎｇｂａｓｅｄｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｔｏｓｏｌｖｅｔｈａｔｓｈｏｒｔｃｏｍｉｎｇｏｆｆｉｌｔｅｒｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｓ．Ｆｉｒｓｔｌｙ，ｉｔｃｏｎｓｔｒｕｃｔｅｄｔｈｅ ｓｅａｒｃｈｔｒｅｅｂａｓｅｄｏｎｂｒａｎｃｈａｎｄｂｏｕｎｄｍｅｔｈｏｄａｎｄｓｅａｒｃｈｅｄ．Ｔｈｅｎ，ｂａｓｅｄｏｎｔｈｅｒｅｐｒｏｄｕｃｉｎｇｋｅｒｎｅｌＨｉｌｂｅｒｔｓｐａｃｅｍａｐｐｉｎｇ， ｉｔａｎａｌｙｚｅｄｔｈｅｉｎｎｅｒｓｔｒｕｃｔｕｒｅｏｆｎｏｎｌｉｎｅａｒｄａｔａ．Ｌａｓｔｌｙ，ｂａｓｅｄｏｎｔｈｅｉｎｎｅｒｓｔｒｕｃｔｕｒｅｏｆｔｈｅｄａｔａ，ｉｔｓｅｌｅｃｔｅｄｔｈｅｏｐｔｉｍａｌｄｉｓ ｔａｎｃｅｃｏｍｐｕｔｉｎｇｍｅｔｈｏｄ．Ｃｏｍｐａｒｅｄｓｉｍｕｌａｔｉｏｎｅｘｐｅｒｉｍｅｎｔｓｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓａｌｈａｓａｓｉｍｉｌａｒｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙ ｗｉｔｈｗｒａｐｐｅｒｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｓ，ａｔｔｈｅｓａｍｅｔｉｍｅｈａｓｏｂｖｉｏｕｓｌｙｂｅｔｔｅｒｃｏｍｐｕｔａｔｉｏｎａｌｅｆｆｉｃｉｅｎｃｙ，ａｎｄｃａｎｈａｎｄｌｅｔｈｅ ｂｉｇｄａｔａａｎａｌｙｓｉｓ． Ｋｅｙｗｏｒｄｓ：ｎｏｎｌｉｎｅａｒｄａｔａ；ｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎ；Ｈｉｌｂｅｒｔｓｐａｃｅ；ｂｉｇｄａｔａ；ｈｉｇｈｄｉｍｅｎｓｉｏｎａｌｄａｔａ