基于多特征选择的聚类方法研究

摘要

特征选择是数据挖掘和机器学习领域中聚类分析的一种常用分析处理方式,目前已广泛运用于文本资源分类和数据集的聚类中,在未被标记的资源集处理环境中,让计算机自己学习使用一些特征相关度量的选择方法。总结了一种基于多特征选择算法的聚类方法(MFSC),在资源集中,对多特征进行聚类特征方法选择、分类,将关系相关性较强的划分为同类簇群,再依次从每个簇群中轮询特征代表性较强的归为一类集合,最终达到去除弱依赖特征和特征冗余的结果。实验证明MFSC特征集约效果较高、性能较稳定。