计算机工程与应用
計算機工程與應用
계산궤공정여응용
Computer Engineering and Applications
2015年
23期
125-130
,共6页
特征选择%filter方法%贝叶斯和谐度%降维
特徵選擇%filter方法%貝葉斯和諧度%降維
특정선택%filter방법%패협사화해도%강유
feature selection%filter method%Bayesian harmony measure%dimension reduction
特征选择是高维数据降维的一种关键技术.传统数据降维技术如PCA,只是转化数据的表达形式,不能表达数据的相关程度.近年来提出信息度量方法,使用评价函数表示数据的不确定性程度,虽然能较好地体现数据之间的相关程度,但并没有充分考虑选取的特征对整个样本空间的影响.针对传统方法的不足,提出一种基于贝叶斯和谐度特征选择算法.贝叶斯和谐度来自贝叶斯阴阳和谐学习理论,可以估计整个数据空间的联合概率分布,选取的特征能够较好地反应整个样本空间的变化.根据和谐度的变化来度量类之间的相似度从而得到冗余度较低的特征组合.与传统方法如ReliefF、FCBF等比较后发现,在取同样特征个数的情况下,和谐度度量得到的特征组合对数据分类更有效.
特徵選擇是高維數據降維的一種關鍵技術.傳統數據降維技術如PCA,隻是轉化數據的錶達形式,不能錶達數據的相關程度.近年來提齣信息度量方法,使用評價函數錶示數據的不確定性程度,雖然能較好地體現數據之間的相關程度,但併沒有充分攷慮選取的特徵對整箇樣本空間的影響.針對傳統方法的不足,提齣一種基于貝葉斯和諧度特徵選擇算法.貝葉斯和諧度來自貝葉斯陰暘和諧學習理論,可以估計整箇數據空間的聯閤概率分佈,選取的特徵能夠較好地反應整箇樣本空間的變化.根據和諧度的變化來度量類之間的相似度從而得到冗餘度較低的特徵組閤.與傳統方法如ReliefF、FCBF等比較後髮現,在取同樣特徵箇數的情況下,和諧度度量得到的特徵組閤對數據分類更有效.
특정선택시고유수거강유적일충관건기술.전통수거강유기술여PCA,지시전화수거적표체형식,불능표체수거적상관정도.근년래제출신식도량방법,사용평개함수표시수거적불학정성정도,수연능교호지체현수거지간적상관정도,단병몰유충분고필선취적특정대정개양본공간적영향.침대전통방법적불족,제출일충기우패협사화해도특정선택산법.패협사화해도래자패협사음양화해학습이론,가이고계정개수거공간적연합개솔분포,선취적특정능구교호지반응정개양본공간적변화.근거화해도적변화래도량류지간적상사도종이득도용여도교저적특정조합.여전통방법여ReliefF、FCBF등비교후발현,재취동양특정개수적정황하,화해도도량득도적특정조합대수거분류경유효.
