一种面向不平衡数据的半监督特征选择算法
杜利敏1
徐扬2
1.西南交通大学智能控制开发中心,四川成都610031;河南大学药学院,河南开封4750042.西南交通大学智能控制开发中心,四川成都,610031
摘要：针对不平衡数据中特征维数高、标记样本缺乏问题,提出一种基于遗传算法和Biased-SVM的不平衡数据半监督特征选择算法.该方法首先利用初始的标记样本集训练处理不平衡数据的Biased-SVM模型,然后用训练好的Biased-SVM模型为未标记样本加上标签,再把新标记样本加入到初始标记样本集中,得到新标记样本集,最后采用基于遗传算法的不平衡数据特征选择方法选出最优的特征子集.实验结果表明,所提方法在不同的标记样本率下均具有较高的平均特征子集缩减率和平均小类识别率.
关键词：遗传算法Biased-SVM不平衡数据半监督学习特征选择
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(61305074)
论文发表日期：2017-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 95-99,105 )
英文信息