张东方,陈海燕,2,袁立罡

(1.南京航空航天大学计算机科学与技术学院，江苏 南京 211106; 2.软件新技术与产业化协同创新中心,江苏 南京 210093;3.南京航空航天大学民航学院,江苏 南京 211106)

0 引 言

数据挖掘可以发现数据集中有意义的信息与模式,已经被应用在人脸识别[1]、图像检索[2]、医疗诊断[3-4]以及金融市场[5]等领域中。然而急剧增长的数据规模引发了“维度灾难”，传统的数据挖掘与学习算法无法快速有效地解决问题。尽管在理论上模型的判别力随特征数量的增加而增强，但是当数据集内在流形固定且增加的特征不相关或者冗余时，情况就不确定了[6]。另一方面，不相关与冗余特征也扩大了数据挖掘模型与算法的计算开销。解决这一问题的关键方法是数据降维，即在进行进一步分析之前，通过识别和移除无意义的特征来降低数据集的维数。

数据降维可以在降低数据集计算复杂度的同时保持甚至提升其判别性能[7]。理论与实践皆证明了数据降维可以提高学习效率、提升分类精度以及降低计算复杂度的作用。特征提取与特征选择是数据降维的主要策略。前者通常将数据投影到一个低维度简化子空间中，改变了特征的原有含义[8-9]。而后者致力于通过移除不相关与冗余特征，寻找原始特征集的最优子集[10]。特征选择方法保留了特征的原有含义，因而得到研究者的青睐。更进一步，特征选择可以被分为4种类型：过滤型、封装型、嵌入型以及混合型[11-14]。过滤型方法根据预先指定的评价标准探究数据集的内在属性，仅使用数据集自身来评估每个特征或子集的相关性，进而从原始特征空间种选择一个特征子集。……