一种改进的特征子集区分度评价准则

doi:10.16383/j.aas.c200704

CORC > 自动化研究所 > 中国科学院自动化研究所 > 学术期刊 > 自动化学报

	一种改进的特征子集区分度评价准则
	谢娟英; 吴肇中; 郑清泉; 王明钊
刊名	自动化学报
	2022
卷号	48 期号:5 页码:1292-1306
关键词	特征子集区分度特征选择离散系数极限学习机特征搜索策略
ISSN号	0254-4156
DOI	10.16383/j.aas.c200704
英文摘要	针对特征子集区分度准则(Discernibility of feature subsets, DFS)没有考虑特征测量量纲对特征子集区分能力影响的缺陷,引入离散系数,提出GDFS (Generalized discernibility of feature subsets)特征子集区分度准则.结合顺序前向、顺序后向、顺序前向浮动和顺序后向浮动4种搜索策略,以极限学习机为分类器,得到4种混合特征选择算法. UCI数据集与基因数据集的实验测试,以及与DFS、Relief、DRJMIM、mRMR、LLE Score、AVC、SVM-RFE、VMInaive、AMID、AMID-DWSFS、CFR和FSSC-SD的实验比较和统计重要度检测表明:提出的GDFS优于DFS,能选择到分类能力更好的特征子集.
内容类型	期刊论文
源URL	[http://ir.ia.ac.cn/handle/173211/56359]
专题	自动化研究所_学术期刊_自动化学报
推荐引用方式 GB/T 7714	谢娟英,吴肇中,郑清泉,等. 一种改进的特征子集区分度评价准则[J]. 自动化学报,2022,48(5):1292-1306.
APA	谢娟英,吴肇中,郑清泉,&王明钊.(2022).一种改进的特征子集区分度评价准则.自动化学报,48(5),1292-1306.
MLA	谢娟英,et al."一种改进的特征子集区分度评价准则".自动化学报 48.5(2022):1292-1306.