文献类型：期刊文章

作　　者：菅小艳[1] 韩素青[1] 崔彩霞[1]

机构地区：[1]太原师范学院计算机系,晋中030619

出　　处：《数据采集与处理》

基　　金：国家自然科学基金(61273294)资助项目;山西省科技基础条件平台(2014091004-0104)资助项目

年　　份：2016

卷　　号：31

期　　号：4

起止页码：838-844

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：Relief算法为系列特征选择方法,包括最早提出的Relief算法和后来拓展的ReliefF算法,核心思想是对分类贡献大的特征赋予较大的权值;特点是算法简单,运行效率高,因此有着广泛的应用。但直接将Relief算法应用于有干扰的数据集或不平衡数据集,效果并不理想。基于Relief算法,提出一种干扰数据特征选择算法,称为阈值-Relief算法,有效消除了干扰数据对分类结果的影响。结合K-means算法,提出两种不平衡数据集特征选择算法,分别称为K-means-ReliefF算法和K-means-Relief抽样算法,有效弥补了Relief算法在不平衡数据集上表现出的不足。实验证明了本文算法的有效性。

关 键 词：特征选择  RELIEF算法 RELIEFF算法 不平衡数据集

分 类 号：TP18]