如需要完整文档点击下方 "点击下载文档" 按钮

常用特征选择方法面临着特征子集空间大小难以确定的问题,取不同的 k 值,它们的分类效果是相差很大的。 粒子群优化算法存在收敛快、获得的是局部最优值而不是全局最优值的问题。 针对上述问题,结合云模型的理论知识,提出一种基于云模型的特征选择方法。 该算法的适应度函数是通过精确率这一评价指标计算的,将权重分为三个类别来动态确定惯性权重。 采用模糊期望交叉熵对原始的特征子集空间进行预选,将预选后的特征子集作为原始特征空间采用改进的特征选择方法,根据模糊期望交叉熵的大小来初始化粒子的种群数及采用迭代变化的阈值作为控制算法的结束条件。实验结果证明了该方法的有效性和可行性。

如需要完整文档点击下方 "点击下载文档" 按钮

《一种基于云模型的特征选择参数优化研究》

将 完整文档 下载到本地，方便收藏和查阅

文件号：062026

点击下载文档