面向海量样本数据集的三阶段启发式特征选择算法TPFS：压缩优化与动态分类器协同的突破性解决方案

针对大规模样本数据集在内存受限系统中的特征选择难题，Haoran Su团队提出三阶段启发式算法TPFS。通过邻域压缩降低样本规模，超图初始化建模高阶特征关系，鲸鱼优化结合双模态和动态三元分类器系统，显著提升特征子集质量。实验证明TPFS在7种对比算法中性能最优，为大数据特征工程提供新范式。

　　

在机器学习领域，特征选择（Feature Selection）如同沙里淘金的过程，其目标是从海量特征中筛选出最具价值的子集。然而随着大数据时代的到来，研究者们面临一个尴尬的困境：当样本规模膨胀到百万级甚至更大时，传统算法要么因内存溢出而崩溃，要么在计算泥潭中寸步难行。更棘手的是，现有方法如过滤法（Filter）需要构建庞大的关联矩阵，封装法（Wrapper）要反复训练模型，嵌入式方法（Embedded）又受限于特定假设——这些都在样本激增时暴露致命缺陷。

面对这一挑战，福建师范大学的研究人员Haoran Su和Jinkun Chen在《Pattern Recognition》发表创新成果。他们开发的TPFS算法如同精密的"三阶火箭"：首先通过邻域压缩（Neighborhood Compression）将原始数据压缩至原体积的1/10，保留最具代表性的样本；接着用超图（Hypergraph）建模特征间复杂的高阶关系，替代传统随机初始化；最后引入改进的鲸鱼优化算法（WOA），创新性地整合双模态设计和动态三元分类器系统（CART/SVM/KNN），使算法能自适应聚焦于性能最弱的分类器进行优化。这种阶梯式设计不仅突破内存限制，更在特征选择质量上实现跃升。

关键技术包括：1）基于类质心的自适应邻域压缩技术；2）超图顶点覆盖问题求解的初始化方法；3）融合动态概率的三元分类器评估体系。实验选取12个真实数据集，样本规模从5万到200万不等，与7种前沿算法对比。

【研究结果】

1. 性能对比：TPFS在UCI-HAR等数据集上平均准确率达92.3%，比次优算法提升6.8%，且运行时间缩短40%
2. 压缩效果：邻域压缩阶段使MNIST样本量减少89%，内存占用从16GB降至1.2GB
3. 分类器协同：动态三元系统使特征子集泛化能力提升，KNN分类F₁值提高12.5%
4. 参数鲁棒性：在特征维度50-5000范围内，TPFS性能波动小于±2%

研究结论揭示，TPFS的创新价值不仅在于技术层面的三重优化，更开创性地将数据压缩与特征选择深度融合。其模块化设计使得邻域压缩可独立应用于其他算法，而动态分类器机制为进化算法提供了新的优化范式。该成果对医疗影像分析、金融风控等需要处理海量样本的领域具有重要实践意义，为大数据时代的特征工程提供了内存友好型解决方案。讨论部分特别指出，未来可将TPFS框架扩展至分布式环境，并探索压缩率与模型性能的量化关系。