文献类型：期刊文章

作　　者：王翔[1,2] 胡学钢[1]

机构地区：[1]合肥工业大学计算机信息学院,合肥230009 [2]安徽省科学技术情报研究所文献情报分析中心,合肥230011

出　　处：《计算机应用》

基　　金：国家973计划项目(2016YFC0801406);国家自然科学基金资助项目(61673152);安徽省自然科学基金资助项目(1408085QF136)~~

年　　份：2017

卷　　号：37

期　　号：9

起止页码：2433-2438

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：随着生物信息学、基因表达谱微阵列、图像识别等技术的发展,高维小样本分类问题成为数据挖掘(包括机器学习、模式识别)中的一项挑战性任务,容易引发"维数灾难"和过拟合问题。针对这个问题,特征选择可以有效避免维数灾难,提升分类模型泛化能力,成为研究的热点,有必要对国内外高维小样本特征选择主要研究情况进行综述。首先分析了高维小样本特征选择问题的本质;其次,根据其算法的本质区别,重点对高维小样本数据的特征选择方法进行分类剖析和比较;最后对高维小样本特征选择研究面临的挑战以及研究方向作了展望。

关 键 词：特征选择  高维数据 小样本学习  信息过滤 支持向量机

分 类 号：TP311]