高维少样本数据的特征压缩
고유소양본수거적특정압축
Feature reduction on high-dimensional small-sample data
  • 万方数据
    计算机工程与应用 계산궤공정여응용
    COMPUTER ENGINEERING AND APPLICATIONS
    2009年 36期 165-169 ,共5页

    游文杰%吉国力%袁明顺

    유문걸%길국력%원명순

    广义小样本%主成分分析(PCA)%偏最小二乘(PLS)%特征提取%特征选择 廣義小樣本%主成分分析(PCA)%偏最小二乘(PLS)%特徵提取%特徵選擇
    엄의소양본%주성분분석(PCA)%편최소이승(PLS)%특정제취%특정선택
    generalized small sample%Principal Component Analysis (PCA)%Partial Least Squares (PLS)%feature extraction%feature selection
    针对一类高维少样本数据的特点,给出了广义小样本概念,对广义小样本进行信息特征压缩:特征提取(降维)和特征选择(选维).首先介绍基于主成分分析(PCA)的无监督与基于偏最小二乘(PLS)的有监督的特征提取方法;其次通过分析第一成分结构,提出基于PCA与PLS的新的全局特征选择方法,并进一步提出基于PLS的递归特征排除法(PLS-RFE);最后针对MIT AML/ALL的分类问题,实现基于PCA与PLS的特征选择和特征提取,以及PLS-RFE特征选择与比较,达到广义小样本信息特征压缩的目的.
    침대일류고유소양본수거적특점,급출료엄의소양본개념,대엄의소양본진행신식특정압축:특정제취(강유)화특정선택(선유).수선개소기우주성분분석(PCA)적무감독여기우편최소이승(PLS)적유감독적특정제취방법;기차통과분석제일성분결구,제출기우PCA여PLS적신적전국특정선택방법,병진일보제출기우PLS적체귀특정배제법(PLS-RFE);최후침대MIT AML/ALL적분류문제,실현기우PCA여PLS적특정선택화특정제취,이급PLS-RFE특정선택여비교,체도엄의소양본신식특정압축적목적.
    원문보기 원문다운로드 사이트로이동
저자의 최근 논문