目前已有很多針對單值信息系統(tǒng)的無監(jiān)督特征選擇方法,但針對區(qū)間值信息系統(tǒng)的無監(jiān)督特征選擇方法卻很少.針對區(qū)間序信息系統(tǒng),文中提出模糊優(yōu)勢關系,并基于此關系擴展模糊排序信息熵和模糊排序互信息,用于評價特征的重要性.再結合一種綜合考慮信息量和冗余度的無監(jiān)督最大信息最小冗余(Um IMR)準則,構造無監(jiān)督特征選擇方法.最后通過實驗證明文中方法的有效性.
【部分圖文】：

(j)Wine(k)Satellite(l)Diabetic圖2PNN與KNN分類誤差隨特征數(shù)目的變化趨勢Fig．2ClassificationerrorschangingwiththenumberoffeaturesviaKNNandPNN3．3聚類結果分析本節(jié)引入針對區(qū)間值數(shù)據(jù)擴展的聚類算法(IFCMADC)［20］、基于city-block距離的單權重動態(tài)聚類算法(簡記為Adaptivemethod1)和雙權重動態(tài)聚類算法(簡記為Adaptivemethod2)［21］，驗證所得特征序列的性能，并使用標準化互信息(NormalizedMutualInformation，NMI)和調整蘭德指數(shù)(AdjustＲandIndex，AＲI)2個指標度量結果，指標值越大效果越好．同樣，根據(jù)特征在由本文方法得到的列表中的順序逐個遞增地選取以組成一個特征子集，然后使用此特征子集表征原始數(shù)據(jù)集，并作為聚類算法的輸入，計算相應的NMI和AＲI．表3給出在不同聚類算法下不同數(shù)據(jù)集的特征序列子集與全部特征集對應的聚類性能對比，表中selected表示特征序列子集對應的最好性能，raw表示原始特征集對應的性能，括號內數(shù)字表示對應的特征數(shù)目．容易看出，對于3種聚類算法，幾乎所有數(shù)據(jù)集在使用無監(jiān)督特征算法生成的特征序列中的前一部分特征刻畫數(shù)據(jù)集時，對應的NMI和AＲI值高于使用原始全部特征．這說明原始特征集中包含有部分不相關或冗余特征，不能給學習算法提供額外的有用信息，還可能誤導分析結果．表33種方法在12個數(shù)據(jù)集上的聚類結果Table3Clusteringresultsof3methodson12datasets數(shù)據(jù)集指標IFCMADCSelectedＲawAdaptivemethod1SelectedＲawAdaptivemethod2SelectedＲawCarNMIAＲI0．6304(3)0．5480(3)0．6140(7)0．5267(7)0．6085(5)0．4758(5)0．4456(7)0．1816(7)0．5678(2)0．4257(2)0．3924(7)0．2893(7)FaceNMIAＲI1．0000(2)1?
【相似文獻】

相關期刊論文 前10條

1 殷柏濤;一種改進的無監(jiān)督競爭學習算法[J];聲學與電子工程;1995年02期

2 邱德紅,陳傳波;融合無監(jiān)督和監(jiān)督學習策略生成的多分類決策樹[J];小型微型計算機系統(tǒng);2004年04期

3 李剛,童頫;基于混合概率模型的無監(jiān)督離散化算法[J];計算機學報;2002年02期

4 徐永成,溫熙森,韓小云;一種新型ARTⅡ無監(jiān)督分類算法[J];計算機工程與應用;2001年08期

5 馮偉;洪波;;對醫(yī)院信息系統(tǒng)建設的幾點建議[J];中國中醫(yī)藥現(xiàn)代遠程教育;2004年10期

6 李包羅;;醫(yī)院信息系統(tǒng)的構成[J];智能建筑;2005年06期

7 朱以青;;一部信息系統(tǒng)領域研究的力作——評《信息系統(tǒng)理論、方法與技術應用》[J];山東師范大學學報(自然科學版);2006年04期

8 劉春紅;;淺談醫(yī)院信息系統(tǒng)的管理和維護[J];醫(yī)療裝備;2009年05期

9 許曉輝;;醫(yī)院信息系統(tǒng)的建設與管理[J];信息系統(tǒng)工程;2013年03期

10 李懷慶,劉民堂;醫(yī)院信息系統(tǒng)建設的體會[J];醫(yī)療設備信息;2003年02期

相關博士學位論文 前10條

1 周楠;基于稀疏和信息論的無監(jiān)督特征學習算法研究[D];電子科技大學;2017年

2 代琨;基于支持向量機的網絡數(shù)據(jù)特征選擇技術研究[D];解放軍信息工程大學;2013年

3 楊峻山;生物組學數(shù)據(jù)的集成特征選擇研究[D];深圳大學;2017年

4 魏松;人機對話系統(tǒng)中若干關鍵問題研究[D];北京郵電大學;2007年

5 劉波;組稀疏子空間的大間隔特征選擇[D];重慶大學;2013年

6 王瑞;針對類別不平衡和代價敏感分類問題的特征選擇和分類算法[D];中國科學技術大學;2013年

7 姚蘭;支持向量機特征選擇中的L_p正則化方法研究[D];湖南大學;2014年

8 秦勝君;復雜適應信息系統(tǒng)體系結構的研究與應用[D];大連海事大學;2011年

9 解濱;信息系統(tǒng)中的知識獲取與不確定性度量的若干問題研究[D];河北師范大學;2011年

10 馬明華;基于概念格的信息系統(tǒng)的屬性約簡[D];哈爾濱工程大學;2014年

相關碩士學位論文 前10條

1 高雙印;基于深度學習的藥物活性研究[D];新疆大學;2017年

2 叢萬玉;基于無監(jiān)督的無線傳感器網絡入侵檢測技術研究[D];吉林大學;2009年

3 敖道敢;無監(jiān)督特征學習結合神經網絡應用于圖像識別[D];華南理工大學;2014年

4 高杉;序信息系統(tǒng)的同態(tài)性質[D];渤海大學;2015年

5 趙彩云;區(qū)間直覺模糊序信息系統(tǒng)粗糙集模型[D];山西師范大學;2015年

6 施玉杰;概率優(yōu)勢關系下的序信息系統(tǒng)及相關問題研究[D];鄭州大學;2016年

7 陳穎;不完備多粒度信息系統(tǒng)的知識獲取的粗糙集方法[D];浙江海洋大學;2016年

8 劉洪富;基于手機終端的油庫火災預警信息系統(tǒng)的設計與實現(xiàn)[D];北方民族大學;2016年

9 陳梓軒;手術麻醉信息系統(tǒng)的設計與實現(xiàn)[D];吉林大學;2016年

10 閆繼雄;基于粒計算的信息系統(tǒng)知識發(fā)現(xiàn)研究[D];太原理工大學;2017年

本文編號：2886584