發(fā)布時(shí)間：2018-11-25 11:41

【摘要】：在對(duì)傳統(tǒng)特征選擇算法進(jìn)行研究的基礎(chǔ)上,提出了一種基于雙模糊信息的特征選擇算法(feature selection algorithm based on doubly fuzziness information,FSA-DFI)。第一種模糊體現(xiàn)在對(duì)最小學(xué)習(xí)機(jī)(least learning machine,LLM)進(jìn)行模糊化后得到模糊最小學(xué)習(xí)機(jī)(fuzzy least learning machine,FUZZYLLM)中;另一種模糊則是在基于貢獻(xiàn)率模糊補(bǔ)充這一方法中體現(xiàn)的,其中貢獻(xiàn)率高的特征才可能被選入最終的特征子集。算法FSA-DFI是將FUZZY-LLM和基于貢獻(xiàn)率的模糊補(bǔ)充方法結(jié)合得到的。實(shí)驗(yàn)表明,和其他算法相比,所提特征選擇算法FSA-DFI能得到更好的分類準(zhǔn)確率、更好的降維效果以及更快的學(xué)習(xí)速度。
[Abstract]:Based on the research of traditional feature selection algorithm, a feature selection algorithm based on double fuzzy information (feature selection algorithm based on doubly fuzziness information,FSA-DFI) is proposed. The first kind of fuzzy is embodied in the fuzzy minimum learning machine (fuzzy least learning machine,FUZZYLLM) after the minimum learning machine (least learning machine,LLM) is fuzzy. Another kind of fuzzy is embodied in the method of fuzzy supplement based on contribution rate, in which the feature with high contribution rate can be selected into the final feature subset. The algorithm FSA-DFI is a combination of FUZZY-LLM and fuzzy complementary method based on contribution rate. Experimental results show that compared with other algorithms, the proposed feature selection algorithm FSA-DFI can achieve better classification accuracy, better dimensionality reduction effect and faster learning speed.
【作者單位】： 江南大學(xué)數(shù)字媒體學(xué)院;
【基金】：國家自然科學(xué)基金No.61170122~~
【分類號(hào)】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李云,葉春曉,李季,劉嘉敏,吳中福;基于特征關(guān)聯(lián)性的特征選擇算法研究[J];微型機(jī)與應(yīng)用;2004年06期

2 陳紅;郭躬德;;一種新的雙重融合的半監(jiān)督特征選擇算法[J];小型微型計(jì)算機(jī)系統(tǒng);2010年08期

3 代琨;于宏毅;馬學(xué)剛;李青;;基于支持向量機(jī)的特征選擇算法綜述[J];信息工程大學(xué)學(xué)報(bào);2014年01期

4 毛勇;周曉波;夏錚;尹征;孫優(yōu)賢;;特征選擇算法研究綜述[J];模式識(shí)別與人工智能;2007年02期

5 任雙橋;傅耀文;黎湘;莊釗文;;基于分類間隔的特征選擇算法[J];軟件學(xué)報(bào);2008年04期

6 李立斌;李寧;楊育彬;;一種基于分類互補(bǔ)性的特征選擇算法[J];南京大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年05期

7 計(jì)智偉;胡珉;尹建新;;特征選擇算法綜述[J];電子設(shè)計(jì)工程;2011年09期

8 池光輝;劉建偉;李衛(wèi)民;羅雄麟;;權(quán)核Logistic回歸模型的分類和特征選擇算法[J];計(jì)算機(jī)工程與應(yīng)用;2013年09期

9 周志紅;周新聰;袁成清;;基于過濾器-封裝器組合模型的故障特征選擇算法[J];中國機(jī)械工程;2007年16期

10 崔自峰;徐寶文;張衛(wèi)豐;徐峻嶺;;一種近似Markov Blanket最優(yōu)特征選擇算法[J];計(jì)算機(jī)學(xué)報(bào);2007年12期

相關(guān)博士學(xué)位論文 前1條

1 潘巍巍;故障嚴(yán)重程度識(shí)別的有序分類特征分析方法[D];哈爾濱工業(yè)大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 馬荃;多標(biāo)簽分類中的特征選擇算法研究[D];南京師范大學(xué);2015年

2 李玲;多標(biāo)簽分類中特征選擇算法研究[D];浙江師范大學(xué);2015年

3 嚴(yán)鵬;基于最大間隔的多標(biāo)記特征選擇算法[D];南京郵電大學(xué);2016年

4 汪荊琪;基于多視角的半監(jiān)督特征選擇算法研究[D];中國科學(xué)技術(shù)大學(xué);2014年

5 高蘇艷;集成特征選擇算法的研究[D];南京郵電大學(xué);2013年

6 項(xiàng)衛(wèi)平;基于免疫計(jì)算的特征選擇算法及其應(yīng)用研究[D];重慶大學(xué);2012年

7 顏廷旭;基于特征間合作度的非監(jiān)督特征選擇算法[D];天津大學(xué);2010年

8 姜百寧;機(jī)器學(xué)習(xí)中的特征選擇算法研究[D];中國海洋大學(xué);2009年

9 張曉云;基于粗糙集的特征選擇算法研究及應(yīng)用[D];天津大學(xué);2012年

10 劉榮燁;最大相關(guān)最小冗余的無監(jiān)督特征選擇算法的研究及其應(yīng)用[D];中國海洋大學(xué);2010年

，

本文編號(hào)：2355973