基于分形和邻接空间密度变化的属性选择方法

摘要

属性选择通常作为一个主要的预处理步骤,在机器学习和数据挖掘领域有着广泛的应用.选择出能够表征数据集分形特征的属性子集,对研究数据集的分形规律具有重要的价值,根据数据集的分形特征,引入了密度分析方法,指出了当前基于分形维数的属性选择方法的不足,提出了一种基于分形和邻接空间密度变化的属性选择方法.为了分析实验结果的有效性,利用SVM分类算法和K-fold交叉验证相结合的方法对3个数据集属性选择前后的分类性能进行了测试.实验证明该方法在属性选择方面有较好的性能,能够得到较优的属性子集.