一种基于重叠驱动的特征选择方法，该方法利用体积感知的可分性一致性指数来处理不平衡分类问题

《Pattern Recognition》：An overlap-driven feature selection via volume-aware separability-consistency index for imbalanced classification

　　

颜洲潘 | 明浩陈 | 徐卫华

• •
  该方法提出了一种基于特征重叠度的融合指数，用于特征选择，有效解决了不平衡分类任务中类别不平衡和特征重叠所带来的联合影响。
• •
  该方法结合了全局和局部视角下的两种评估指标，以突出少数类样本的重要性，量化类别之间的重叠程度，并评估特征的重要性。
• •
  该方法引入了经过核函数优化的样本成员度量方法用于全局可分性评估，以及自适应的类别特定半径用于局部一致性分析。
• •
  在15个数据集上的实验结果表明，该方法在二元分类和多类分类任务中均表现出优越的性能，无论是从数值上还是统计上都得到了验证。