计算机应用研究2021，Vol.38Issue(2) ：321-329.DOI:10.19734/j.issn.1001-3695.2020.01.0001

半监督特征选择综述

Survey of semi-supervised feature selection methods

张东方 陈海燕 王建东
计算机应用研究2021，Vol.38Issue(2) ：321-329.DOI:10.19734/j.issn.1001-3695.2020.01.0001
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

半监督特征选择综述

Survey of semi-supervised feature selection methods

张东方 1陈海燕 2王建东1
扫码查看

作者信息

  • 1. 南京航空航天大学 计算机科学与技术学院,南京211100
  • 2. 南京航空航天大学 计算机科学与技术学院,南京211100;南京航空航天大学 软件新技术与产业化协同创新中心,南京211100
  • 折叠

摘要

如何针对半监督数据集,利用不完整的监督信息完成特征选择,已经成为模式识别与机器学习领域的研究热点.为方便研究者系统地了解半监督特征选择领域的研究现状和发展趋势,对半监督特征选择方法进行综述.首先探讨了半监督特征选择方法的分类,将其按理论基础的不同分为基于图的方法、基于伪标签的方法、基于支持向量机的方法以及其他方法;然后详细介绍并比较了各个类别的典型方法;之后整理了半监督特征选择的热点应用;最后展望了半监督特征选择方法未来的研究方向.

关键词

机器学习/半监督学习/特征选择

引用本文复制引用

基金项目

中央高校基本科研业务费专项资金资助项目(NS2019054)

出版年

2021
计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
被引量5
参考文献量8
段落导航相关论文