文献类型：期刊文章

作　　者：冯晓荣[1] 瞿国庆[2,3]

FENG Xiao-rong;QU Guo-qing(Engineering Training Center,Nantong University,Nantong 226019,China;Internet of Things Technology Research Institute,Jiangsu Vocational College of Business,Nantong 226011,China;Nantong Greatwisdom Information Technology Limited Company,Nantong 226009,China)

机构地区：[1]南通大学工程训练中心,江苏南通226019 [2]江苏商贸职业学院物联网技术研究所,江苏南通226011 [3]南通智大信息技术有限公司,江苏南通226009

出　　处：《计算机工程与设计》

基　　金：江苏省第十四批“六大人才高峰”高层次人才培养基金项目(XYDXX-121)

年　　份：2019

卷　　号：40

期　　号：9

起止页码：2494-2501

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对特征选择算法对高维大数据降维效果与稳定性差的缺点,提出一种基于深度学习与随机森林的大数据特征选择算法。设计基于随机森林的特征消除算法,对高维大数据集进行特征降维处理;采用保留的特征对受限玻尔兹曼机进行训练,确定受限玻尔兹曼机的模型结构与权重;使用训练受限玻尔兹曼机的学习参数初始化一个多层神经网络,通过标准的后向传播方法训练多层神经网络。基于多组数据集的实验结果表明,该算法提高了高维数据集特征选择的化简效果,保持了较高的稳定性与鲁棒性。

关 键 词：特征选择  大数据 高维数据 深度学习  随机森林  受限玻尔兹曼机  

分 类 号：TP391]