近日，我校数学与信息科学学院李艳颖副教授团队完成的研究论文A novel random multi-subspace based ReliefF for feature selection在国际著名学术期刊Knowledge-based Systems上发表。该论文是数学与信息科学学院研究生首篇SCI一区Top期刊论文，出版商为Elsevier，在最新的中国科学院SCI期刊分区表中属于一区Top期刊，最新影响因子为8.139。我校为该论文独立完成单位，李艳颖副教授为通讯作者，论文第一作者为我校数学与信息科学学院2020级应用数学专业硕士研究生张宝双。
Knowledge-Based Systems, 2022, 252, 109400
特征选择是一种重要的降维预处理技术，它通过获取信息量最大的特征子集来降低数据集的维数，同时最大限度地保留有效数据信息。虽然已有的不同类型的特征选择算法取得了显著的成功，但大多数算法缺乏挖掘不同子空间信息的能力，忽略了丰富样本中包含的有用信息。文章提出一种基于随机多子空间的ReliefF特征选择算法（RBEFF）。在该方法中，首先生成包含大量相同大小的随机子空间的多个特征分区。其次，在每个随机子空间中使用ReliefF算法获得特征的局部权重。将每个特征分区中随机子空间的局部权向量进行组合，得到全权重向量。最后，将多个特征分区的全权重向量集成到每个特征的最终权重向量中，并根据最终权重向量动态地进行特征选择。文章在28个不同大小的UCI数据集上使用KNN和DT分类器评估算法性能。对比实验证明了提出的方法在解决特征选择问题时的有效性、竞争力和优越性。（研究生院、数学与信息科学学院 文、图/李艳颖 审核/凡明锦、刘淳安）
引用格式：B. Zhang, Y. Li, Z. Chai, A novel random multi-subspace based relieff for feature selection[J]. Knowledge-Based Systems, 2022, 252: 109400.
下载地址：https://authors.elsevier.com/a/1fU8d_LdTK6xl%7E
