目前已有很多針對(duì)單值信息系統(tǒng)的無(wú)監(jiān)督特征選擇方法,但針對(duì)區(qū)間值信息系統(tǒng)的無(wú)監(jiān)督特征選擇方法卻很少.針對(duì)區(qū)間序信息系統(tǒng),文中提出模糊優(yōu)勢(shì)關(guān)系,并基于此關(guān)系擴(kuò)展模糊排序信息熵和模糊排序互信息,用于評(píng)價(jià)特征的重要性.再結(jié)合一種綜合考慮信息量和冗余度的無(wú)監(jiān)督最大信息最小冗余(Um IMR)準(zhǔn)則,構(gòu)造無(wú)監(jiān)督特征選擇方法.最后通過(guò)實(shí)驗(yàn)證明文中方法的有效性.
【部分圖文】：

(j)Wine(k)Satellite(l)Diabetic圖2PNN與KNN分類誤差隨特征數(shù)目的變化趨勢(shì)Fig．2ClassificationerrorschangingwiththenumberoffeaturesviaKNNandPNN3．3聚類結(jié)果分析本節(jié)引入針對(duì)區(qū)間值數(shù)據(jù)擴(kuò)展的聚類算法(IFCMADC)［20］、基于city-block距離的單權(quán)重動(dòng)態(tài)聚類算法(簡(jiǎn)記為Adaptivemethod1)和雙權(quán)重動(dòng)態(tài)聚類算法(簡(jiǎn)記為Adaptivemethod2)［21］，驗(yàn)證所得特征序列的性能，并使用標(biāo)準(zhǔn)化互信息(NormalizedMutualInformation，NMI)和調(diào)整蘭德指數(shù)(AdjustＲandIndex，AＲI)2個(gè)指標(biāo)度量結(jié)果，指標(biāo)值越大效果越好．同樣，根據(jù)特征在由本文方法得到的列表中的順序逐個(gè)遞增地選取以組成一個(gè)特征子集，然后使用此特征子集表征原始數(shù)據(jù)集，并作為聚類算法的輸入，計(jì)算相應(yīng)的NMI和AＲI．表3給出在不同聚類算法下不同數(shù)據(jù)集的特征序列子集與全部特征集對(duì)應(yīng)的聚類性能對(duì)比，表中selected表示特征序列子集對(duì)應(yīng)的最好性能，raw表示原始特征集對(duì)應(yīng)的性能，括號(hào)內(nèi)數(shù)字表示對(duì)應(yīng)的特征數(shù)目．容易看出，對(duì)于3種聚類算法，幾乎所有數(shù)據(jù)集在使用無(wú)監(jiān)督特征算法生成的特征序列中的前一部分特征刻畫(huà)數(shù)據(jù)集時(shí)，對(duì)應(yīng)的NMI和AＲI值高于使用原始全部特征．這說(shuō)明原始特征集中包含有部分不相關(guān)或冗余特征，不能給學(xué)習(xí)算法提供額外的有用信息，還可能誤導(dǎo)分析結(jié)果．表33種方法在12個(gè)數(shù)據(jù)集上的聚類結(jié)果Table3Clusteringresultsof3methodson12datasets數(shù)據(jù)集指標(biāo)IFCMADCSelectedＲawAdaptivemethod1SelectedＲawAdaptivemethod2SelectedＲawCarNMIAＲI0．6304(3)0．5480(3)0．6140(7)0．5267(7)0．6085(5)0．4758(5)0．4456(7)0．1816(7)0．5678(2)0．4257(2)0．3924(7)0．2893(7)FaceNMIAＲI1．0000(2)1?
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 殷柏濤;一種改進(jìn)的無(wú)監(jiān)督競(jìng)爭(zhēng)學(xué)習(xí)算法[J];聲學(xué)與電子工程;1995年02期

2 邱德紅,陳傳波;融合無(wú)監(jiān)督和監(jiān)督學(xué)習(xí)策略生成的多分類決策樹(shù)[J];小型微型計(jì)算機(jī)系統(tǒng);2004年04期

3 李剛,童頫;基于混合概率模型的無(wú)監(jiān)督離散化算法[J];計(jì)算機(jī)學(xué)報(bào);2002年02期

4 徐永成,溫熙森,韓小云;一種新型ARTⅡ無(wú)監(jiān)督分類算法[J];計(jì)算機(jī)工程與應(yīng)用;2001年08期

5 馮偉;洪波;;對(duì)醫(yī)院信息系統(tǒng)建設(shè)的幾點(diǎn)建議[J];中國(guó)中醫(yī)藥現(xiàn)代遠(yuǎn)程教育;2004年10期

6 李包羅;;醫(yī)院信息系統(tǒng)的構(gòu)成[J];智能建筑;2005年06期

7 朱以青;;一部信息系統(tǒng)領(lǐng)域研究的力作——評(píng)《信息系統(tǒng)理論、方法與技術(shù)應(yīng)用》[J];山東師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年04期

8 劉春紅;;淺談醫(yī)院信息系統(tǒng)的管理和維護(hù)[J];醫(yī)療裝備;2009年05期

9 許曉輝;;醫(yī)院信息系統(tǒng)的建設(shè)與管理[J];信息系統(tǒng)工程;2013年03期

10 李懷慶,劉民堂;醫(yī)院信息系統(tǒng)建設(shè)的體會(huì)[J];醫(yī)療設(shè)備信息;2003年02期

相關(guān)博士學(xué)位論文 前10條

1 周楠;基于稀疏和信息論的無(wú)監(jiān)督特征學(xué)習(xí)算法研究[D];電子科技大學(xué);2017年

2 代琨;基于支持向量機(jī)的網(wǎng)絡(luò)數(shù)據(jù)特征選擇技術(shù)研究[D];解放軍信息工程大學(xué);2013年

3 楊峻山;生物組學(xué)數(shù)據(jù)的集成特征選擇研究[D];深圳大學(xué);2017年

4 魏松;人機(jī)對(duì)話系統(tǒng)中若干關(guān)鍵問(wèn)題研究[D];北京郵電大學(xué);2007年

5 劉波;組稀疏子空間的大間隔特征選擇[D];重慶大學(xué);2013年

6 王瑞;針對(duì)類別不平衡和代價(jià)敏感分類問(wèn)題的特征選擇和分類算法[D];中國(guó)科學(xué)技術(shù)大學(xué);2013年

7 姚蘭;支持向量機(jī)特征選擇中的L_p正則化方法研究[D];湖南大學(xué);2014年

8 秦勝君;復(fù)雜適應(yīng)信息系統(tǒng)體系結(jié)構(gòu)的研究與應(yīng)用[D];大連海事大學(xué);2011年

9 解濱;信息系統(tǒng)中的知識(shí)獲取與不確定性度量的若干問(wèn)題研究[D];河北師范大學(xué);2011年

10 馬明華;基于概念格的信息系統(tǒng)的屬性約簡(jiǎn)[D];哈爾濱工程大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 高雙印;基于深度學(xué)習(xí)的藥物活性研究[D];新疆大學(xué);2017年

2 叢萬(wàn)玉;基于無(wú)監(jiān)督的無(wú)線傳感器網(wǎng)絡(luò)入侵檢測(cè)技術(shù)研究[D];吉林大學(xué);2009年

3 敖道敢;無(wú)監(jiān)督特征學(xué)習(xí)結(jié)合神經(jīng)網(wǎng)絡(luò)應(yīng)用于圖像識(shí)別[D];華南理工大學(xué);2014年

4 高杉;序信息系統(tǒng)的同態(tài)性質(zhì)[D];渤海大學(xué);2015年

5 趙彩云;區(qū)間直覺(jué)模糊序信息系統(tǒng)粗糙集模型[D];山西師范大學(xué);2015年

6 施玉杰;概率優(yōu)勢(shì)關(guān)系下的序信息系統(tǒng)及相關(guān)問(wèn)題研究[D];鄭州大學(xué);2016年

7 陳穎;不完備多粒度信息系統(tǒng)的知識(shí)獲取的粗糙集方法[D];浙江海洋大學(xué);2016年

8 劉洪富;基于手機(jī)終端的油庫(kù)火災(zāi)預(yù)警信息系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];北方民族大學(xué);2016年

9 陳梓軒;手術(shù)麻醉信息系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];吉林大學(xué);2016年

10 閆繼雄;基于粒計(jì)算的信息系統(tǒng)知識(shí)發(fā)現(xiàn)研究[D];太原理工大學(xué);2017年

本文編號(hào)：2886584