【摘要】：特征選擇是處理高維數據的一項有效技術。針對傳統(tǒng)方法的不足,結合F-score與互信息,提出了一種最小冗余最大分離的特征選擇評價準則,該準則使所選擇的特征具有更好的分類和預測能力;采用二進制布谷鳥搜索算法和二次規(guī)劃兩種搜索策略來搜索最優(yōu)特征子集,并對兩種搜索策略的準確性和計算量進行分析比較;最后,利用UCI數據集進行實驗測試,實驗結果說明了所提理論的有效性。
[Abstract]:Feature selection is an effective technique for processing high dimensional data. Aiming at the deficiency of traditional method, combining F-score and mutual information, this paper proposes a feature selection evaluation criterion of minimum redundancy and maximum separation, which makes the selected features have better classification and prediction ability. The binary cuckoo search algorithm and quadratic programming search strategy are used to search the optimal feature subset, and the accuracy and calculation amount of the two search strategies are analyzed and compared. Finally, the experimental results show that the proposed theory is effective by using UCI data set.
【作者單位】： 西安工程大學理學院;
【基金】：陜西省軟科學研究項目(No.2014KRM28-01) 陜西省教育廳專項科研計劃項目(No.16JK1341) 西安市2015基礎教育研究重大招標項目(No.2015ZB-ZY04) 西安工程大學研究生創(chuàng)新基金資助項目(No.CX201614)
【分類號】：O212;TP18

【相似文獻】

相關期刊論文 前4條

1 劉揚;劉偉江;;特征選擇方法在信用評估指標選取中的應用[J];數理統(tǒng)計與管理;2006年06期

2 詹艷梅,曾向陽,孫進才;基于粗糙集理論的目標特征選擇方法[J];自然科學進展;2004年12期

3 宋楓溪,高秀梅,劉樹海,楊靜宇;統(tǒng)計模式識別中的維數削減與低損降維[J];計算機學報;2005年11期

4 ;[J];;年期

，

本文編號：2431297