基于高维k-近邻互信息的特征选择方法
针对多元序列预测建模过程中特征选择问题,提出了一种基于数据驱动型高维k-近邻互信息的特征选择方法.该方法首先将数据驱动型k-近邻法扩展用于高维特征变量之间互信息的估计,然后采用前向累加策略给出全部特征最优排序,根据预设无关特征个数剔除无关特征,再利用后向交叉策略找出并剔除冗余特征,最终得到最优强相关特征子集.以Friedman数据、Housing数据和实际污水处理出水总磷预测数据为例,采用多层感知器神经网络预测模型进行仿真实验,验证了所提方法的有效性.
特征选择、互信息、k-近邻、高维互信息、多层感知器
12
TP183(自动化基础理论)
国家自然科学基金重点项目61533002;国家杰出青年科学基金项目61225016
2017-12-18(万方平台首次上网日期,不代表论文的发表时间)
共6页
595-600