%0 Journal Article %A 林耀进 %A 吕彦 %A 王晨曦 %A 张小清 %T 基于ReliefF的层次分类在线流特征选择算法 %D 2022 %R 10.11772/j.issn.1001-9081.2021040789 %J 计算机应用 %P 688-694 %V 42 %N 3 %X

在图像标注、疾病诊断等实际分类任务中,数据标记空间的类别通常存在着层次化结构关系,且伴随着特征的高维性。许多层次特征选择算法因不同的实际任务需求而提出,但这些已有的特征选择算法忽略了特征空间的未知性和不确定性。针对上述问题,提出一种基于ReliefF的面向层次分类学习的在线流特征选择算法OH_ReliefF。首先将类别之间的层次关系融入ReliefF算法中,定义一种新的面向层次化数据的特征权重计算算法HF_ReliefF;其次,利用特征对决策属性的划分能力动态选择重要特征;最后,基于特征之间的独立性对特征进行动态冗余分析。实验结果表明,与五种先进的在线流特征选择算法作对比,OH_ReliefF算法在K最邻近(KNN)分类器和拉格朗日支持向量机(LSVM)分类器的各个评价指标中都取得较优的结果,准确率最少提高7个百分点。

%U http://www.joca.cn/CN/10.11772/j.issn.1001-9081.2021040789