文献类型：期刊文章

作　　者：张巍[1] 邹翔[2] 吴晓如[3]

机构地区：[1]中国科学技术大学电子工程与信息科学系,合肥230027 [2]中国科学技术大学计算机科学技术系,合肥230027 [3]安徽中科大讯飞信息科技有限公司,合肥230088

出　　处：《计算机学报》

基　　金：国家"八六三"高技术研究发展计划项目基金(2004AA114030)资助.~~

年　　份：2005

卷　　号：28

期　　号：7

起止页码：1223-1229

语　　种：中文

收录情况：BDHX、BDHX2004、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：特征选择是数据挖掘分类中的一个重要问题.该文推导出一种新的衡量特征与类别相关度的测度SCD即描述特征取值序列类分布的CV系数,利用该测度给出一种线性的可伸缩特征选择算法StaFSOS,并证明了在类别数为2时,SCD测度满足分支界限法的单调性;给出了StaFSOS的一个完备形式———BBStaFS.在12个标准数据集中,StaFSOS算法得出的结果和目标集几乎一致,而StaFSOS的效率高于其它算法;而在另1个中,BBStaFS算法得出了准确结果.在用1000个样本20个特征的真实数据进行的测试中,StaFSOS运行时间是目前较快的GRSR的1/2,得出的特征集准确有效.

关 键 词：数据挖掘 分类  特征选择  

分 类 号：TP391]