高维小样本分类问题中特征选择研究综述
来源：计算机应用杂志2017年第9期北京时间：
作者：王翔, 胡学钢
单位：1. 合肥工业大学 计算机信息学院, 合肥 230009;2. 安徽省科学技术情报研究所 文献情报分析中心, 合肥 230011
摘要：随着生物信息学、基因表达谱微阵列、图像识别等技术的发展，高维小样本分类问题成为数据挖掘（包括机器学习、模式识别）中的一项挑战性任务，容易引发"维数灾难"和过拟合问题。针对这个问题，特征选择可以有效避免维数灾难，提升分类模型泛化能力，成为研究的热点，有必要对国内外高维小样本特征选择主要研究情况进行综述。首先分析了高维小样本特征选择问题的本质；其次，根据其算法的本质区别，重点对高维小样本数据的特征选择方法进行分类剖析和比较；最后对高维小样本特征选择研究面临的挑战以及研究方向作了展望。
关键词：特征选择,高维数据,小样本学习,信息过滤,支持向量机
基金资助：国家973计划项目（2016YFC0801406）；国家自然科学基金资助项目（61673152）；安徽省自然科学基金资助项目（1408085QF136）。
