隨著計(jì)算機(jī)技術(shù)和網(wǎng)絡(luò)技術(shù)的飛速發(fā)展,大數(shù)據(jù)和人工智能的浪潮也隨之而來,數(shù)據(jù)越來越多,數(shù)據(jù)的特征也隨之變得更加繁雜。當(dāng)數(shù)據(jù)大量產(chǎn)生時(shí),如何去處理這些數(shù)據(jù)就成了當(dāng)下迫切需要解決的問題。在傳統(tǒng)單標(biāo)記方法無法滿足現(xiàn)實(shí)需要的時(shí)候,多標(biāo)記學(xué)習(xí)框架被提出,隨著越來越多專家學(xué)者的深入研究,更多的基于多標(biāo)記學(xué)習(xí)的研究方法相繼被提出。特征選擇在解決數(shù)據(jù)高維性問題具有很好的效果,在原始特征空間的基礎(chǔ)上進(jìn)行操作,去除冗余,得到一個(gè)性能優(yōu)越的特征子集。有效的提高分類器的分類性能,減少運(yùn)算時(shí)間,提高算法的計(jì)算效率。但是這些傳統(tǒng)的特征選擇算法卻只能處理靜態(tài)的特征數(shù)據(jù),需要在運(yùn)算前獲取整個(gè)特征空間,然后才能加以處理得到相應(yīng)的特征子集。而現(xiàn)實(shí)生活中,特征空間往往是動(dòng)態(tài)產(chǎn)生的,并實(shí)時(shí)增加變化的,這就導(dǎo)致了傳統(tǒng)的特征選擇算法無法處理這類流特征選擇問題。基于上述問題,本文提出了兩種特征算法用以解決相應(yīng)的特征選擇問題,主要內(nèi)容如下:(1)針對(duì)傳統(tǒng)特征選擇算法在刪除冗余特征,進(jìn)行特征子集的選擇過程中,往往存在計(jì)算開銷大的問題,本文引入了Lasso特征選擇算法,用于快速處理高維數(shù)據(jù),選擇特征子集。此外鑒于傳統(tǒng)的信息熵不具有補(bǔ)的性質(zhì)... 

【文章來源】：安慶師范大學(xué)安徽省

【文章頁(yè)數(shù)】：50 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

特征選擇流程圖

使用Friendmantest

【參考文獻(xiàn)】：
期刊論文
[1]基于鄰域粗糙集的大規(guī)模層次分類在線流特征選擇[J]. 白盛興,林耀進(jìn),王晨曦,陳晟煜.  模式識(shí)別與人工智能. 2019(09)
[2]Artificial Intelligence & Machine Learning in the Earth Sciences[J]. Norman MacLEOD.  Acta Geologica Sinica(English Edition). 2019(S1)
[3]機(jī)器學(xué)習(xí)隨機(jī)森林算法的應(yīng)用現(xiàn)狀[J]. 杭琦,楊敬輝.  電子技術(shù)與軟件工程. 2018(24)
[4]一種利用局部標(biāo)記相關(guān)性的多標(biāo)記特征選擇算法[J]. 蔡亞萍,楊明.  南京大學(xué)學(xué)報(bào)(自然科學(xué)). 2016(04)
[5]基于粗糙集的多標(biāo)記專屬特征學(xué)習(xí)算法[J]. 李華,李德玉,王素格,張晶.  小型微型計(jì)算機(jī)系統(tǒng). 2015(12)
[6]基于鄰域粗糙集的多標(biāo)記分類特征選擇算法[J]. 段潔,胡清華,張靈均,錢宇華,李德玉.  計(jì)算機(jī)研究與發(fā)展. 2015(01)
[7]基于迭代Lasso的腫瘤分類信息基因選擇方法研究[J]. 張靖,胡學(xué)鋼,李培培,張玉紅.  模式識(shí)別與人工智能. 2014(01)
[8]特征選擇方法綜述[J]. 姚旭,王曉丹,張玉璽,權(quán)文.  控制與決策. 2012(02)
[9]多標(biāo)記學(xué)習(xí)的嵌入式特征選擇[J]. 葛雷,李國(guó)正,尤鳴宇.  南京大學(xué)學(xué)報(bào)(自然科學(xué)版). 2009(05)
[10]基于聚類和信息熵的特征選擇算法[J]. 李霞,蔣盛益,郭艾俠.  鄭州大學(xué)學(xué)報(bào)(理學(xué)版). 2009(01)

碩士論文
[1]面向代價(jià)敏感多標(biāo)記數(shù)據(jù)的特征選擇研究[D]. 黃琴.江西農(nóng)業(yè)大學(xué) 2019
[2]基于互信息的多標(biāo)簽特征選擇[D]. 張毅斌.西安工程大學(xué) 2019
[3]多標(biāo)簽分類中流特征選擇算法研究[D]. 郭喜芝.南京師范大學(xué) 2018
[4]高維小樣本數(shù)據(jù)的互信息特征選擇方法研究[D]. 張凱.山西大學(xué) 2017
[5]特征選擇與特征學(xué)習(xí)算法研究[D]. 周琪.中國(guó)科學(xué)技術(shù)大學(xué) 2017



本文編號(hào)：2934131