基于代價敏感學習的維數(shù)約簡方法及其應(yīng)用研究.pdf

1、隨著數(shù)據(jù)采集技術(shù)的高速發(fā)展，采集到的數(shù)據(jù)維數(shù)激增，需進行維數(shù)約簡后才能應(yīng)用于各種后續(xù)操作。傳統(tǒng)的維數(shù)約簡方法未考慮到數(shù)據(jù)集的類不平衡和誤分類代價不等的特點，直接將該方法應(yīng)用到這類數(shù)據(jù)集中會使約簡后的特征子集向分類精確度高的方向收斂，容易丟失對少數(shù)類有重要意義特征變量。因此，針對數(shù)據(jù)集類不平衡和誤分類代價不等的特點進行維數(shù)約簡方法的研究具有重要意義。
　　 本文針對典型復(fù)雜工業(yè)過程數(shù)據(jù)集中變量間強相關(guān)性、類不平衡、誤分類代價不等以

2、及標注代價昂貴的特點，研究了基于代價敏感學習和半監(jiān)督學習的維數(shù)約簡方法。主要研究工作如下:
　　 (1)針對數(shù)據(jù)集類不平衡和誤分類代價不等的特點，以特征子集誤分類代價最小期望作為維數(shù)約簡的評價準則，分析推導(dǎo)了該評價準則的魯棒性和正確性。針對真實數(shù)據(jù)集的特征變量為連續(xù)值的特點，提出了有監(jiān)督代價敏感維數(shù)約簡方法，該方法將離散化方法和基于聚類的采樣方法引入特征子集誤分類代價最小期望的計算中。
　　 (2)針對數(shù)據(jù)集的有標注樣本

3、少，無標注樣本多以及標注代價昂貴的特點，將半監(jiān)督學習方法引入到代價敏感維數(shù)約簡方法中，提出了基于生成模型的半監(jiān)督代價敏感維數(shù)約簡方法(SCSDR)，并根據(jù)誤分類代價最小期望得出了多個特征子集選擇的方法。
　　 (3)基于人造數(shù)據(jù)集上的實驗表明，有監(jiān)督代價敏感維數(shù)約簡方法在性能指標評價上優(yōu)于FCBF(fast correlation-based filter)等4種過濾式維數(shù)約簡方法，證實了方法的有效性，實驗結(jié)果表明影響該方法時間