基于可分性判据排序的RBF神经网络属性选择方法

摘要：

提出一种基于数据属性重要性排序的神经网络属性选择方法.该方法只需对部分属性进行训练,即可进行降维.它克服了现有的神经网络降维方法必须对全部属性进行训练的弊端,大大提高了属性选择的效率.该方法先用本文提出的一种简单的可分性判据方法对数据属性进行重要性排序,然后按重要次序用RBF神经网络进行属性选择.仿真实例表明,该方法具有良好的效果.

关键词：数据降维、属性重要性排序、可分性判据、RBF神经网络、属性选择

所属期刊栏目：30

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金60275020

在线出版日期：2005-01-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：40-42