本文關(guān)鍵詞：基于高維k-近鄰互信息的特征選擇方法　出處：《智能系統(tǒng)學(xué)報》2017年05期 　論文類型：期刊論文

  更多相關(guān)文章： 特征選擇 互信息 k-近鄰 高維互信息 多層感知器

【摘要】：針對多元序列預(yù)測建模過程中特征選擇問題,提出了一種基于數(shù)據(jù)驅(qū)動型高維k-近鄰互信息的特征選擇方法。該方法首先將數(shù)據(jù)驅(qū)動型k-近鄰法擴展用于高維特征變量之間互信息的估計,然后采用前向累加策略給出全部特征最優(yōu)排序,根據(jù)預(yù)設(shè)無關(guān)特征個數(shù)剔除無關(guān)特征,再利用后向交叉策略找出并剔除冗余特征,最終得到最優(yōu)強相關(guān)特征子集。以Friedman數(shù)據(jù)、Housing數(shù)據(jù)和實際污水處理出水總磷預(yù)測數(shù)據(jù)為例,采用多層感知器神經(jīng)網(wǎng)絡(luò)預(yù)測模型進行仿真實驗,驗證了所提方法的有效性。
【作者單位】： 北京工業(yè)大學(xué)信息學(xué)部;計算智能和智能系統(tǒng)北京市重點實驗室;淮陰工學(xué)院自動化學(xué)院;
【基金】：國家自然科學(xué)基金重點項目(61533002) 國家杰出青年科學(xué)基金項目(61225016)
【分類號】：TP18;X703
【正文快照】： 通過特征選擇實現(xiàn)數(shù)據(jù)降維,構(gòu)建結(jié)構(gòu)精簡的辨識模型,能夠有效避免輸入特征太多造成“維數(shù)災(zāi)難”以及給學(xué)習(xí)模型帶來“過擬合”等問題[1-3]。 目前,特征選擇的方法主要有偏最小二乘回歸(partial least squares regression,PLSR)[4]、灰色關(guān)聯(lián)分析(grey relational analysis,GR，

本文編號：1329596