一种基于KL散度和类分离策略的特征选择算法.pdfVIP

下载本文档

59
0
约1.93万字
约 4页
2017-09-12 发布于重庆
举报
版权申诉

一种基于KL散度和类分离策略的特征选择算法.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第 39卷第 12期计算机科学 Vo1．39No．12 2012年 12月 Computer Science Dec2012 一种基于 KL散度和类分离策略的特征选择算法李晓艳张子刚张逸石张谧。 (华中科技大学管理学院武汉430074) (重庆邮电大学经济管理学院重庆400065)。摘要特征选择是模式识别和机器学习中的重要环节之一，所选特征子集的质量直接影响着分类学习算法的效率及准确率。现有特征选择算法均在整个类标签集的视角下进行特征评价，并未分别考察每一类别与特征间的关系。提出了一种基于KL散度和类分离策略的特征选择算法，它采用类分离策略分别对类标签中每一类别与特征间的关系予以考察，并采用一种基于KL散度的有效距离度量类别与特征间的相关性以及特征之间的冗余性。实验结果表明，所提算法具有较高的运行效率；在所选特征质量上，所提算法显著优于经典的CFS、FCBF以及 Re1iefF特征选择算法。关键词特征选择，KL散度，类分离策略，有效距离中图法分类号 TP181 文献标识码 A KL-divergenceBasedFeatureSelectionAlgorithm withtheSeparate-classStrategy LIXiao-yan ZHANG Zi—gang ZHANG Yi-shi ZHANG Mi2 (SchoolofManagement，HuazhongUniversityofScienceandTechnology，Wuhan430074，China) (SchoolofEconomics Management，ChongqingUniversityofPostsandTelecommunications，Chongqing400065，China)2 Abstract Featureselectionisoneofthecoreissuesindesigningpatternrecognitionsystemsandhasattractedconside- rableattentioninthe1iterature．Mostofthefeatureselectionmethodsinthe1iteratureonlyhandlerelevanceandredun— dancyanalysisfrom thepointofview ofthewholeclass，whichneglecttherelationoffeaturesandtheseparateclassla— bels．Tothisend ，anovelKL-divergencebasedfeatureselectionalgorithm wasproposedtoexplicitlyhandletherele— vanceandredundancyanalysisforeachclasslabe1withaseparate-classstrategy．AKL-divergencebasedmetricofeffec— tivedistancewasalsointroducedinthealgorithm toconducttherelevanceand redundancyanalysis．Experimentalre— suhsshow thattheproposedalgoritmh isefficientandoutperforillsthethreerepresentativealgoritmh sCFS，FCBF and ReliefFwithrespecttothequalityoftheselectedfeaturesubset． Keywords Featureselection，KL-divergence，Separate~classstrategy，Effectivedistance 互信息的DMIFS[胡算