10.3969/j.issn.1672-8785.2016.01.008
一种动态赋权红外光谱特征选择算法研究
大规模的红外光谱数据集中存在大量无关冗余的特征.针对这一问题,提出了一种动态赋权红外光谱特征选择算法(Dynamic Weight Infrared Spectrum Feature Selection Algorithm,MBDWFS).该算法把对称不确定性度量标准与近似Markov Blanket相结合,以删除原始光谱数据集中无关冗余的特征,从而获取数据规模较小且最优的特征子集.通过与FCBF、ID3和ReliefF三种经典特征选择算法的性能仿真对比试验,证明所提出的MBDWFS算法在整体分类性能上优于其他三种算法,用于红外光谱的物质分析领域时效果更好.
特征选择、Markov Blanket、动态赋权
37
TP181(自动化基础理论)
国家重点实验室基金9140C12031150C12057
2016-05-16(万方平台首次上网日期,不代表论文的发表时间)
共5页
40-44