论文摘要
特征选择是机器学习领域的重要课题,基于互信息的特征选择算法在多个领域得到了广泛应用.但是该类方法忽略了属性之间的相互作用对决策结果的影响,无法满足高维特征数据集的分类要求.针对这类问题,提出一种引入邻域判别指数的混合式特征选择算法NDI-RF.首先在特征过滤阶段,利用邻域判别指数作为判决指标,通过图论聚类思想去除冗余特征,获得相关联的代表特征集;然后通过改进随机森林封装器的特征分配机制,结合序列后项搜索策略评估各个特征子集的分类效果;最终通过逐次迭代选择最高分类准确率所对应的特征子集作为最优特征子集.在UCI数据集上的实验结果表明,NDI-RF算法相较于其他特征选择算法,能够有效地减少最优特征子集的大小,同时保证较高的分类准确率.
论文目录
文章来源
类型: 期刊论文
作者: 李校林,吴腾,郭有庆
关键词: 邻域判别指数,随机森林,图论聚类,混合式特征选择
来源: 小型微型计算机系统 2019年11期
年度: 2019
分类: 信息科技,基础科学
专业: 数学,自动化技术
单位: 重庆邮电大学通信与信息工程学院,重庆邮电大学通信新技术应用研究中心,重庆信科设计有限公司
分类号: TP181;O157.5
页码: 2285-2290
总页数: 6
文件大小: 938K
下载量: 44
相关论文文献
- [1].基于指数损失间隔的多标记特征选择算法[J]. 计算机技术与发展 2020(04)
- [2].基于?_(2,1)范数的在线流特征选择算法[J]. 计算机与数字工程 2019(06)
- [3].森林优化特征选择算法的增强与扩展[J]. 软件学报 2020(05)
- [4].基于自步学习的半监督特征选择算法研究[J]. 电脑知识与技术 2020(15)
- [5].基于图的特征选择算法综述[J]. 安徽大学学报(自然科学版) 2017(01)
- [6].面向高维微阵列数据的集成特征选择算法[J]. 计算机工程与科学 2016(07)
- [7].基于支持向量机的特征选择算法综述[J]. 信息工程大学学报 2014(01)
- [8].一种改进的文本分类特征选择算法[J]. 微电子学与计算机 2011(12)
- [9].基于邻域交互增益信息的多标记流特征选择算法[J]. 南京大学学报(自然科学) 2020(01)
- [10].大数据中基于稀疏投影的在线特征选择算法[J]. 湖南科技大学学报(自然科学版) 2018(03)
- [11].一种改进的动态流特征选择算法[J]. 计算机工程与应用 2012(18)
- [12].特征选择算法研究综述[J]. 安徽广播电视大学学报 2019(04)
- [13].多标记特征选择算法的综述[J]. 郑州大学学报(理学版) 2020(04)
- [14].一种改进的类别区分词特征选择算法[J]. 计算机与现代化 2019(03)
- [15].特征选择算法及应用综述[J]. 办公自动化 2018(21)
- [16].海量高维数据下分布式特征选择算法的研究与应用[J]. 科技通报 2013(08)
- [17].全局调距和声特征选择算法[J]. 计算机工程与应用 2019(02)
- [18].基于标记权重的多标记特征选择算法[J]. 计算机科学 2017(10)
- [19].多标记不完备数据的特征选择算法[J]. 计算机科学与探索 2019(10)
- [20].一种基于支持向量数据描述的特征选择算法[J]. 智能系统学报 2015(02)
- [21].基于多视角学习和注意力的特征选择算法[J]. 北京交通大学学报 2020(05)
- [22].基于XGBoost的特征选择算法[J]. 通信学报 2019(10)
- [23].用于轴承表面缺陷分类的特征选择算法[J]. 轴承 2018(01)
- [24].基于森林优化特征选择算法的改进研究[J]. 软件学报 2018(09)
- [25].面向代价敏感的多标记不完备数据特征选择算法[J]. 小型微型计算机系统 2018(12)
- [26].一种基于谱理论的并行特征选择算法[J]. 计算机应用与软件 2010(11)
- [27].改进的特征选择算法[J]. 计算机工程与设计 2008(22)
- [28].基于分割策略的特征选择算法[J]. 计算机科学 2018(10)
- [29].基于拉普拉斯评分的多标记特征选择算法[J]. 计算机应用 2018(11)
- [30].基于特征关联的多标记谱特征选择算法[J]. 闽南师范大学学报(自然科学版) 2017(02)