摘要
在很多的机器学习和数据挖掘任务中,特征子集选择是重要的数据预处理步骤之一。提出一种基于图方法的无监督式特征选择方法(GBFS),构造一个以样本数据为顶点,数据间相似性作为边的图,再根据各特征的得分优先选择那些具有局部信息保持和全局区分能力的特征。实验结果表明,基于该方法选择的特征子集,在大多数情况下都能取得较好的分类效果。
In many machine learning and data mining tasks,feature subset selection is an important step in data preprocessing.This paper presents a Graph Based Feature Selection（GBFS） algorithm,which is based on the graph,and prefers the features with local information preserving and global discriminative power.The experimental results validate its effectiveness in feature subset selection.
出处
《计算机工程与应用》
CSCD
北大核心
2011年第26期186-188,共3页
Computer Engineering and Applications
基金
广东省科技计划项目(No.2007B030100001)
