10.3979/j.issn.1673-825X.2010.05.023
基于大间隔粒计算的特征选择
通过寻找一个最优的特征子集,特征选择可以降低计算复杂度,提高分类精度以及结果的可理解性.提出基于大间隔信息粒化的特征选择算法,通过聚类等方式对原始数据进行单类信息粒化,然后在粒化的基础上构造了模糊间隔和类间隔2个评价指标进行特征评价.并分别在不同的数据上验证了这种特征选择方法的有效性,实验结果表明,基于大间隔粒计算的特征选择算法效果要优于其他的大间隔特征算法.
特征选择、信息粒化、大间隔、模糊C均值、非负矩阵分解
22
TP391(计算技术、计算机技术)
国家自然科学基金10978011/A030402
2011-01-28(万方平台首次上网日期,不代表论文的发表时间)
共7页
641-647