刘吉超，王 锋

(山西大学 计算机与信息技术学院 山西 太原 030006)

0 引言

大数据背景下，随着数据获取工具的迅速发展和数据存储技术的不断进步，数据库中存储的数据集的规模也越来越庞大，这给传统的数据挖掘技术带来了严峻而全新的挑战。 众所周知，为数据样本确定类标签需要耗费一定的时间以及相应的技术支撑。而随着数据规模的日趋庞大，为所有数据样本确定类标签的代价也随之变得异常昂贵。 这显然也是目前大数据背景下分类问题中面临的挑战之一。 面对规模异常庞大的数据集，通常只能为其中一小部分确定类标签，而大量存在的是无标记的数据样本。 为有效处理这类数据集，众多研究者引入了半监督学习机制来处理部分标记数据的学习任务[1-6]。

特征选择是数据挖掘技术中一种常用的数据预处理技术，对给定数据集进行有效特征子集的选取，只保留对学习任务贡献较大的特征，可有效提高学习模型的泛化能力，降低过拟合以及计算耗时[7-13]。 面对部分标记数据集，半监督特征选择算法也引起了众多研究者的广泛关注，并取得了一定的研究成果。文献[14]将有标记样本和无标记样本相结合度量特征的相关性，设计了基于图论的半监督处理机制。 文献[15]同时基于无标记样本和有标记样本来构造基于数据的图结构，进行特征选择。文献[16]设计了基于多目标优化理论的半监督特征子集选取机制。文献[17]通过计算特征间相关性来构造特征的近邻，进行有效特征子集的选取。……