[发明专利]一种基于条件互信息和K‑means的无监督特征选择方法

摘要

本发明提供一种基于条件互信息和K‑means的无监督特征选择方法，首先通过多次初始条件不同的K‑means算法对无类标签的数据进行聚类，然后每一次的聚类基础上，综合考虑每个特征的模块化度量值及不同特征之间的条件互信息，利用特征之间的相关独立性指标来选择出相关度高且冗余度小的特征子集。通过将不同K‑means聚类结果得到的特征子集进行汇总，获得最终的特征子集。本发明能够有效地应用于无标签和不平衡的数据集，且获得的特征子集相关度高、冗余度小。

主权项

一种基于条件互信息和K‑means的无监督特征选择方法，其特征在于，包括以下步骤：步骤1)，对无标签数据集进行多次不同K值和不同聚类中心的K‑means聚类，并获得每次的聚类结果；步骤2)，根据步骤1)得到的不同聚类结果，依次针对每次的聚类结果构造各个特征的特征向量图；步骤3)，根据步骤2)构造出的特征向量图，计算每个特征的模块化度量值，并将模块化度量值最大的特征放入特征子集中；步骤4)，根据步骤3)得到的初始特征子集，计算每个剩余特征相对于特征子集里各个特征的条件互信息，从而计算出每个剩余特征相对于特征子集的相关独立性度量值；步骤5)，将步骤3)得到的每个剩余特征的模块化度量值与步骤4)得到的相关独立性度量值以一定权重相加，将计算结果作为每个剩余特征的得分；步骤6)，将步骤5)得到的得分最高的特征放入特征子集中，然后迭代地进行步骤4)、步骤5)、步骤6)，直到特征子集中的特征个数达到所需要的个数；步骤7)，将步骤6)得到的根据不同K‑means聚类结果形成的特征子集进行汇总，得到最终的特征子集。