- 1、本文档共5页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
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
第33卷第12期 计 算 机 应 用 研 究 Vol33No12
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:10013695(2016)12353904
doi:10.3969/j.issn.10013695.2016.12.005
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
文档评论(0)