基于双模糊信息的特征选择算法

TP181; 在对传统特征选择算法进行研究的基础上,提出了一种基于双模糊信息的特征选择算法(feature selection algorithm based on doubly fuzziness information,FSA-DFI).第一种模糊体现在对最小学习机(least learning machine,LLM)进行模糊化后得到模糊最小学习机(fuzzy least learning machine,FUZZY-LLM)中;另一种模糊则是在基于贡献率模糊补充这一方法中体现的,其中贡献率高的特征才可能被选入最终的特征子集.算法FSA-DFI是将FUZZY-LLM和基于贡献率的模糊补充...

Celý popis

Uloženo v:
Podrobná bibliografie
Vydáno v:计算机科学与探索 Ročník 11; číslo 12; s. 1993 - 2003
Hlavní autoři: 李素姝, 王士同, 李滔
Médium: Journal Article
Jazyk:čínština
Vydáno: 江南大学 数字媒体学院,江苏 无锡,214122 2017
Témata:
双模糊
模糊隶属度
fuzzy comple-mentary
特征选择
模糊补充
doubly fuzziness
feature selection
fuzzy membership degree
最小学习机
least learning machine
ISSN:1673-9418
On-line přístup:Získat plný text
Tagy: Přidat tag
Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!
Popis
Shrnutí:TP181; 在对传统特征选择算法进行研究的基础上,提出了一种基于双模糊信息的特征选择算法(feature selection algorithm based on doubly fuzziness information,FSA-DFI).第一种模糊体现在对最小学习机(least learning machine,LLM)进行模糊化后得到模糊最小学习机(fuzzy least learning machine,FUZZY-LLM)中;另一种模糊则是在基于贡献率模糊补充这一方法中体现的,其中贡献率高的特征才可能被选入最终的特征子集.算法FSA-DFI是将FUZZY-LLM和基于贡献率的模糊补充方法结合得到的.实验表明,和其他算法相比,所提特征选择算法FSA-DFI能得到更好的分类准确率、更好的降维效果以及更快的学习速度.
ISSN:1673-9418
DOI:10.3778/j.issn.1673-9418.1610058