基于双模糊信息的特征选择算法

摘要：

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.

关键词：特征选择、双模糊、最小学习机、模糊隶属度、模糊补充

所属期刊栏目：11

分类号：TP181(自动化基础理论)

资助基金：The National Natural Science Foundation of China under Grant No. 61170122

在线出版日期：2017-12-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1993-2003