基于相关性分析的区间型数据特征选择方法研究.pdfVIP

目录

摘要I

ABSTRACTIII

第一章绪论1

1.1研究背景和意义1

1.2特征选择概述2

1.3区间型数据分析的方法5

1.4研究内容和组织框架6

第二章理论基础9

2.1区间型数据的相关理论基础9

2.1.1区间数的定义及性质9

2.1.2统一表示框架下区间型数据的定义10

2.2区间型数据的相关性分析基础10

2.2.1基于信息论的数据分析基础10

2.2.2基于统计学的数据分析基础11

2.3本章小节12

第三章区间型数据的最大信息系数特征选择方法13

3.1最大信息系数的特征选择13

3.2IVD_MIC算法15

3.3实验结果与分析18

3.3.1实验数据18

3.3.2实验对比算法19

3.3.3实验设置20

3.3.4实验结果分析20

3.4本章小节32

第四章区间型数据的最大相关—最小冗余特征选择方法33

4.1最大化类间散度和Pearson相关系数的特征选择33

4.2IVD_MM算法35

4.3实验结果与分析38

4.3.1实验数据38

4.3.2实验对比算法38

4.3.3实验设置39

4.3.4实验结果分析40

4.4本章小节45

第五章总结与展望47

参考文献49

在学期间取得的科研成果53

致谢55

摘要

区间型数据是一种常见的定量符号数据，可以从全局把握数据对象的内在结构

特征，对揭示隐含在数据内部的不确定性规律具有重要的科学意义。然而数据信息

的迅猛增长为计算机处理带来了挑战，使其陷入“维数灾难”，区间型数据特殊的

结构形式更使特征维数成倍增加，进而影响数据的分析研究。所以本文用信息论、

统计学和机器学习方法对区间型数据的特征选择进行深入的探索，从而降低数据维

度。本文的主要研究工作如下：

1IVD_MIC

（）研究了一种区间型数据的最大信息系数特征选择方法。该方法

首先用调节因子均衡区间中值与区间半径的关系，并构造区间型数据的统一表示框

架；其次，在该框架下，通过计算特征之间的最大信息系数，来衡量两个特征之间

的相关程度，并以矩阵的形式呈现，形成区间型数据最大信息系数矩阵；然后从矩

阵的三个角度（行、列以及行和列）逐步去除具有强相关性的特征，获取一系列相

应的候选特征子集；最后，在不同的分类器上对候选特征子集进行实验验证，得到

最终的分类精度和最优特征子集。实验结果表明在人造和真实数据集上，IVD_MIC

的整体性能优于其他方法。与在LIBSVM、CARTTree和KNN上的第二优方法相比，

IVD_MIC的平均准确率分别提高了0.23%、0.53%和0.45%。

2IVD_MM

（）考虑了一种区间型数据的最大相关—最小冗余特征选择方法。该

方法在最佳平衡状态的区间型数据统一表示框架下，首先，采用最大化类间散度量

化每一维特征与类别之间的相关程度，并对其进行降序排列，逐步加入相关程度较

大的特征更新特征子集，选出精度高且特征数较少的子集作为次优特征子集。其次，

通过Pearson相关系数衡量次优特征子集中两个特征之间的相关程度，并以矩阵的形

式呈现，记为Pearson相关系数矩阵，从矩阵的行、列以及混合行列三个角度，逐步

去除具有强相关性的特征，获得一系列相应的候选特征子集，在不同分类器上对候

选特征子集进行验证，得到最优特征子集。实验结果表明在人造和真实数据集上，

IVD_MM可以有效地去除无关特征和冗余特征，识别出具有代表性的特征。

本文用不同的方法研究了区间型数据特征选择，降低了数据维数，提高了分类

性能。在理论和实际应用方面，为统一表示框架下区间型数据的分析提供了新的研

究思路，具有一定的研究意义和应用