基于统计特性随机森林算法的特征选择

来源：计算机应用杂志2015年第5期北京时间：

作者：宋源, 梁雪春, 张然

单位：南京工业大学 自动化与电气工程学院, 南京 211816

摘要：针对由静息态功能磁共振成像(R-fMRI)得到的脑功能连接矩阵数据运用传统特征选择方法处理的结果,存在特征冗余,无法确定最终特征维数等问题,提出一种全新的特征选择算法.该算法在随机森林(RF)算法中结合统计特性,根据袋外数据的分类效果得到保留的特征,并将其运用在对精神分裂患者与正常被试者的识别实验中.实验结果表明,与传统的主成分分析(PCA)方法相比,该算法可以有效保留重要特征,提高识别精度,且保留的特征具有很好的医学解释性.

关键词：随机森林,统计特性,静息态功能磁共振成像,脑功能连接矩阵

基金资助：国家自然科学基金资助项目(51205185);江苏省普通高校研究生科研创新计划项目(KYLX_0754).