Feature selection algorithm for dynamically evolving feature spaces

Feng Wang

doi:10.1016/j.neucom.2025.131747

Feature selection algorithm for dynamically evolving feature spaces

2025-10-11

0

PRE

AI

DOI：10.1016/j.neucom.2025.131747

原文链接

摘要

En 中文

在许多应用中，大量迹象表明，大多数现实世界的数据随时间变化，例如医学研究和气象数据。特别是在大数据时代，数据不仅在规模上而且在维度上以史无前例的速度动态变化。针对维度变化问题，不仅需要考虑维度的增加，还需要考虑特征空间的潜在变化。因此，使用现有的增量技术处理此类动态数据变得非常困难，甚至几乎不可行。为解决这一问题，本文提出了一种高效的动态特征选择算法，该算法针对因特征空间演变而导致数据分布变化的场景进行了优化。本研究首先引入了一套全面的新型策略，用于测量、检测和跟踪数据维度分布的变化。在此基础上，提出了一种从多个子表中选取信息量丰富的特征的动态算法。最后，提出了一种多层融合机制，用于整合所有来自粒度的结果并确定最终输出。为全面展示所提算法的有效性，选取了若干当前最先进的增量及经典特征选择算法作为基准方法进行比较。实验在多个高维数据集上进行。实验结果进一步验证了所提算法的可行性和高效性。

Feature selection algorithm for dynamically evolving feature spaces

摘要

期刊

机构

引用论文