基于随机矩阵理论的高维数据特征选择方法

来源：计算机应用杂志2017年第12期北京时间：

作者：王妍, 杨钧, 孙凌峰, 李玉诺, 宋宝燕

单位：1. 辽宁大学 信息学院, 沈阳 110036;2. 荣科科技股份有限公司 智慧城市开发部, 沈阳 110027

摘要：传统特征选择方法多是通过相关度量来去除冗余特征，并没有考虑到高维相关矩阵中会存在大量的噪声，严重地影响特征选择结果。为解决此问题，提出基于随机矩阵理论（RMT）的特征选择方法。首先，将相关矩阵中符合随机矩阵预测的奇异值去除，从而得到去噪后的相关矩阵和选择特征的数量；然后，对去噪后的相关矩阵进行奇异值分解，通过分解矩阵获得特征与类的相关性；最后，根据特征与类的相关性和特征之间冗余性完成特征选择。此外，还提出一种特征选择优化方法，通过依次将每一个特征设为随机变量，比较其奇异值向量与原始奇异值向量的差异来进一步优化结果。分类实验结果表明所提方法能够有效提高分类准确率，减小训练数据规模。

关键词：随机矩阵,特征选择,去噪,奇异值,相关矩阵

基金资助：国家自然科学基金资助项目（61472169，61472072，61528202，61501105）；国家973计划前期研究专项（2014CB360509）；辽宁省教育厅科学研究一般项目（L2015204）。