论文研究 高维少样本数据的特征压缩.pdf

针对一类高维少样本数据的特点，给出了广义小样本概念，对广义小样本进行信息特征压缩：特征提取（降维）和特征选择（选维）。首先介绍基于主成分分析（PCA）的无监督与基于偏最小二乘（PLS）的有监督的特征提取方法；其次通过分析第一成分结构，提出基于PCA与PLS的新的全局特征选择方法，并进一步提出基于PLS的递归特征排除法（PLS-RFE）；最后针对MIT AML/ALL的分类问题，实现基于PCA与PLS的特征选择和特征提取，以及PLS-RFE特征选择与比较，达到广义小样本信息特征压缩的目的。