摘要：特征变量选择是高维数据分类问题的核心，主要有过滤法和缠绕法两种特征变量选择方法。针对“过滤法与分类算法相互独立，不利于对分类性能优化，而缠绕法依赖于分类算法，在高维高噪的数据中容易过拟合”这个问题，为了能有效提取特征变量，提出了一种新的特征提取方法，即filter—wrapper两步法，先通过有监督奇异值分解方法降维去噪，粗选出一部分备选变量；再应用MonteCarlo决策树策略从备选变量中精选出重要的特征变量。通过以典型的高维高噪数据为例验证了该方法，实验结果表明了上述方法的可行性和有效性。

关键词：有监督奇异值分解 信息增益 决策树 特征提取 分类 

单位：杭州电子科技大学自动化学院 浙江杭州310018