计算机工程

作者：王俊红, 赵彬佳

单位：1. 山西大学 计算机与信息技术学院, 太原 030006;2. 山西大学 计算智能与中文信息处理教育部重点实验室, 太原 030006

关键词：特征选择,不平衡数据,FSBS算法,特征协同,分类准确率

基金：国家自然科学基金（61976128）；山西省自然科学基金（201701D121051）。

不平衡分类问题广泛存在于医疗、经济等领域，对于不平衡数据集分类，特别是高维数据分类时，有效的特征选择算法至关重要。然而多数特征选择算法未考虑特征协同的影响，导致分类性能下降。对FAST特征选择算法进行改进，并考虑特征的协同作用，提出一种新的特征选择算法FSBS。运用AUC对特征进行评估，以相互增益衡量协同作用大小，选出有效特征，进而对不平衡数据进行分类。实验结果表明，该算法能有效地选择特征，尤其在特征数量较少的情况下可保持较高的分类准确率。

来源：2021年第11期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第11期