一种改进离散度的特征选择方法

摘要：

降维在机器学习中起着至关重要的作用.而降维的方法主要有两类:特征选择和特征提取.离散度方法是特征选择中常用的一种方法,通过计算每个特征的离散度来选择特征,被选择的特征一般都具有较高的离散度值.但是离散度的计算没有考虑到特征间的相互影响.通过改进离散度的计算,不单考虑到类间相同特征对离散度的影响,还考虑到不同特征之间的离散度影响.在UCI数据集上的实验证明,改进离散度的特征选择具有较好的性能.

关键词：特征选择、机器学习、离散度、模式分类、特征提取

所属期刊栏目：21

分类号：O15;O17

资助基金：国家自然科学基金61170193

在线出版日期：2012-10-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：215-218