如需要完整文档点击下方 "点击下载文档" 按钮

模式识别、自然语言处理和生物信息学等各领域的高维数据,存在着大量的无关和冗余特征,增加了数据分析时问题的复杂度, 因此有必要通过特征选择来剔除无关和冗余特征。 基于互信息的特征选择算法评价准则存在以下不足: 评价标准单一,以最小化特征之间冗余性或最大化特征提供的新分类信息评价特征,选择出的特征不具有最佳的类辨别能力;基于累加求和的评价准则易过高估计特征的重要性。 为此, 提出一种基于最大相关性独立分类信息最大化 (maximum relevance and independent classification inform-ation maximization,MRICIM)的特征选择算法。该算法以互信息评价特征与类别的相关性,采用独立分类信息综合衡量新分类信息和特征冗余,利用最大最小准则对特征的重要性进行非线性评价。 在 6 个评测数据集上与 4 个具有代表性的特征选择算法进行比较,结果表明,MRICIM 能够有效地提升分类准确率和 F-measure。

如需要完整文档点击下方 "点击下载文档" 按钮

《最大相关与独立分类信息最大化特征选择算法》

将 完整文档 下载到本地，方便收藏和查阅

文件号：061737

点击下载文档