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. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论