新颖的无监督特征选择方法

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

新颖的无监督特征选择方法

朱颢东, 李红婵, 钟勇

文章导航 > 电子科技大学学报 > 2010 > 39(3): 412-415

朱颢东, 李红婵, 钟勇. 新颖的无监督特征选择方法[J]. 电子科技大学学报, 2010, 39(3): 412-415. doi: 10.3969/j.issn.1001-0548.2010.03.019

引用本文:

朱颢东, 李红婵, 钟勇. 新颖的无监督特征选择方法[J]. 电子科技大学学报, 2010, 39(3): 412-415. doi: 10.3969/j.issn.1001-0548.2010.03.019

ZHU Hao-dong, LI Hong-chan, ZHONG Yong. New Unsupervised Feature Selection Method[J]. Journal of University of Electronic Science and Technology of China, 2010, 39(3): 412-415. doi: 10.3969/j.issn.1001-0548.2010.03.019

Citation:

ZHU Hao-dong, LI Hong-chan, ZHONG Yong. New Unsupervised Feature Selection Method[J]. Journal of University of Electronic Science and Technology of China, 2010, 39(3): 412-415. doi: 10.3969/j.issn.1001-0548.2010.03.019

新颖的无监督特征选择方法

doi: 10.3969/j.issn.1001-0548.2010.03.019

朱颢东^1,2,3,
李红婵¹,
钟勇^2,3

1.
郑州轻工业学院计算机与通信工程学院郑州 450002;
2.
中国科学院成都计算机应用研究所成都 610041;
3.
中国科学院研究生院北京石景山区 100039

基金项目:

四川省科技计划项目(2008GZ0003);四川省科技攻关项目(07GG006-019)

作者简介:
朱颢东(1980-)，男，博士，主要从事软件过程技术与方法、文本挖掘和智能信息处理方面的研究.

中图分类号: TP301.6

New Unsupervised Feature Selection Method

1.
School of Computer and Communication Engineering,Zhengzhou University of Light Industry Zhengzhou 450002;
2.
Chengdu Institute of Computer Application,Chinese Academy of Sciences Chengdu 610041;
3.
The Graduate School of the Chinese Academy of Sciences Shijingshan Beijing 100039

摘要: 针对有监督特征选择方法因为需要类信息而无法应用于文本聚类的问题，提出了一种新的无监督特征选择方法：结合文档频和K-Means的特征选择方法。该方法首先使用文档频进行无监督特征初选，然后再通过在不同K-Means聚类结果上使用有监督特征选择方法来实现无监督特征选择。实验表明该方法不仅能够成功地选择出最为重要的—小部分特征，而且还能提高聚类质量。
- 分类 /
- 聚类算法 /
- 文档频 /
- 特征选择 /
- K-Means
Abstract: Due to unavailability of class label information, supervised feature selection methods can not be applied to text clustering. In this case, a new unsupervised feature selection method combined Document Frequency with K-Means is proposed. The method firstly employs document frequency to select initial unsupervised features, and then brings into unsupervised feature selection by means of mainly performing effective supervised feature selection methods on different K-Means clustering results. Experimental results show that the new method can not only successfully select out the best small part of features, but also can significantly improve clustering performance.
- classification /
- clustering algorithms /
- document frequency /
- feature selection /
- K-Means

[1]	周丰丰, 孙燕杰, 范雨思. 基于miRNA组学的数据增强算法 . 电子科技大学学报, 2023, 52(2): 182-187. doi: 10.12178/1001-0548.2023002
[2]	常文文, 聂文超, 袁月婷, 闫光辉, 杨志飞, 张冰涛, 张学军. 基于多层脑功能网络特征的动作意图识别 . 电子科技大学学报, 2023, 52(1): 14-22. doi: 10.12178/1001-0548.2022292
[3]	孙长印, 梁有为, 江帆, 王军选. 场景化毫米波特征选择和波束预测算法 . 电子科技大学学报, 2023, 52(5): 689-698. doi: 10.12178/1001-0548.2022214
[4]	何选森, 何帆, 徐丽, 樊跃平. K-Means算法最优聚类数量的确定 . 电子科技大学学报, 2022, 51(6): 904-912. doi: 10.12178/1001-0548.2021393
[5]	张俐. 基因数据的交互依赖特征选择算法 . 电子科技大学学报, 2022, 51(5): 754-759. doi: 10.12178/1001-0548.2021136
[6]	郜东瑞, 周晖, 冯李逍, 张云霞, 彭茂琴, 张永清. 基于特征融合和粒子群优化算法的运动想象脑电信号识别方法 . 电子科技大学学报, 2021, 50(3): 467-475. doi: 10.12178/1001-0548.2020107
[7]	韩嫚莉, 侯卫民, 孙靖国, 王明, 梅少辉. 基于PCA与协同表示的高光谱图像分类研究 . 电子科技大学学报, 2019, 48(1): 117-121. doi: 10.3969/j.issn.1001-0548.2019.01.019
[8]	宋勇, 蔡志平. 一种基于信息论模型的入侵检测特征提取方法 . 电子科技大学学报, 2018, 47(2): 267-271. doi: 10.3969/j.issn.1001-0548.2018.02.017
[9]	宋国琴, 刘斌. 基于XGBoost特征选择的幕课翘课指数建立及应用 . 电子科技大学学报, 2018, 47(6): 921-926. doi: 10.3969/j.issn.1001-0548.2018.06.019
[10]	李海林, 魏苗. 基于近邻传播的限定簇数聚类方法研究 . 电子科技大学学报, 2018, 47(5): 733-739. doi: 10.3969/j.issn.1001-0548.2018.05.015
[11]	万武南, 陈俊. 双重掩码的模幂算法聚类相关功耗分析攻击 . 电子科技大学学报, 2018, 47(4): 588-594. doi: 10.3969/j.issn.1001-0548.2018.04.018
[12]	汪文勇, 刘川, 赵强, 沈晓明, 丘晓彤. 直接验证的封装式特征选择方法 . 电子科技大学学报, 2016, 45(4): 607-615. doi: 10.3969/j.issn.1001-0548.2016.04.013
[13]	吴嘉轩, 代钰, 张斌, 杨雷. 基于拓扑匹配的组件服务副本放置算法 . 电子科技大学学报, 2015, 44(6): 905-910. doi: 10.3969/j.issn.1001-0548.2015.06.019
[14]	生龙, 张洪斌. 二型模糊系统在音频信号分类中的应用 . 电子科技大学学报, 2013, 42(3): 436-441. doi: 10.3969/j.issn.1001-0548.2013.03.023
[15]	高辉, 王沙沙, 傅彦. Web舆情的长期趋势预测方法 . 电子科技大学学报, 2011, 40(3): 440-445. doi: 10.3969/j.issn.1001-0548.2011.03.022
[16]	张靖, 何发镁, 邱云. 个性化推荐系统描述文件攻击检测方法 . 电子科技大学学报, 2011, 40(2): 250-254. doi: 10.3969/j.issn.1001-0548.2011.02.019
[17]	孙晶涛, 张秋余, 袁占亭, 董建设. 博弈论在邮件特征选择中的应用 . 电子科技大学学报, 2011, 40(1): 95-99. doi: 10.3969/j.issn.1001-0548.2011.01.018
[18]	杨宏宇, 李春林. 采用FA和SVDFRM的SVM入侵检测分类模型 . 电子科技大学学报, 2009, 38(2): 240-244. doi: 10.3969/j.issn.1001-0548.2009.02.20
[19]	于泠, 陈波. 入侵数据特征并行选择算法 . 电子科技大学学报, 2008, 37(2): 266-269.
[20]	张赪, 蔡之华. 代价敏感的GEP分类算法实现 . 电子科技大学学报, 2007, 36(6): 1319-1321.

WeChat

点击查看大图

计量

文章访问数: 4364
HTML全文浏览量: 143
PDF下载量: 68
被引次数: 0

新颖的无监督特征选择方法

doi: 10.3969/j.issn.1001-0548.2010.03.019

1. 郑州轻工业学院计算机与通信工程学院郑州 450002;

2. 中国科学院成都计算机应用研究所成都 610041;

3. 中国科学院研究生院北京石景山区 100039

基金项目:

四川省科技计划项目(2008GZ0003);四川省科技攻关项目(07GG006-019)

作者简介:
朱颢东(1980-)，男，博士，主要从事软件过程技术与方法、文本挖掘和智能信息处理方面的研究.

收稿日期: 2008-09-17
修回日期: 2009-03-26
刊出日期: 2010-06-15

中图分类号: TP301.6

关键词:

摘要: 针对有监督特征选择方法因为需要类信息而无法应用于文本聚类的问题，提出了一种新的无监督特征选择方法：结合文档频和K-Means的特征选择方法。该方法首先使用文档频进行无监督特征初选，然后再通过在不同K-Means聚类结果上使用有监督特征选择方法来实现无监督特征选择。实验表明该方法不仅能够成功地选择出最为重要的—小部分特征，而且还能提高聚类质量。

English Abstract

朱颢东, 李红婵, 钟勇. 新颖的无监督特征选择方法[J]. 电子科技大学学报, 2010, 39(3): 412-415. doi: 10.3969/j.issn.1001-0548.2010.03.019

引用本文:

朱颢东, 李红婵, 钟勇. 新颖的无监督特征选择方法[J]. 电子科技大学学报, 2010, 39(3): 412-415. doi: 10.3969/j.issn.1001-0548.2010.03.019

ZHU Hao-dong, LI Hong-chan, ZHONG Yong. New Unsupervised Feature Selection Method[J]. Journal of University of Electronic Science and Technology of China, 2010, 39(3): 412-415. doi: 10.3969/j.issn.1001-0548.2010.03.019

Citation:

ZHU Hao-dong, LI Hong-chan, ZHONG Yong. New Unsupervised Feature Selection Method[J]. Journal of University of Electronic Science and Technology of China, 2010, 39(3): 412-415. doi: 10.3969/j.issn.1001-0548.2010.03.019

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发