靳炳烨, 王 锋, 魏 巍

(山西大学 计算机科学与技术学院,山西 太原 030006)

随着互联网技术和信息产业的快速发展,数据获取和采集的能力飞速提高,数据规模呈现了前所未有的增长和庞大.如何从海量的大数据中抓取重点,挖掘出最有用的信息一直以来便是智能信息领域中的研究重点和热点[1].特征选择是数据挖掘领域中一种常见的数据降维技术,主要通过一定的度量来选择优的特征,移除不相关或冗余特征,进而提高学习模型的性能,降低过拟合等[2-6].目前,依照数据样本是否具有类别信息,现有特征选择方法可分为有监督特征选择、无监督特征选择和半监督特征选择[7-8].其中,半监督特征选择算法便是将半监督学习机制引入到了处理少数标记数据的特征选择中.

针对半监督特征选择的探索,一些研究者也已经取得了可观的研究成果[9-13].文献[14]提出了一种新颖的基于空间覆盖的半监督特征选择算法,该算法同时利用已标签数据和未标签数据进行特征选择.文献[15]基于粗糙集理论和信息熵的概念,提出了一种基于信息熵的粗糙特征选择算法.文献[16]基于集合间相关度和自相关度的定义提出了一种基于类标号扩展的半监督特征选择算法.此外,文献[17-18]通过引入面向部分标记数据的特征重要度,设计了基于粗糙集理论的半监督粗糙特征选择算法.在此基础上,为进一步提高大数据背景下半监督特征选择的算法性能和……