基于分形维数和蚁群算法的属性选择方法.pdfVIP

下载本文档

3
0
约2.32万字
约 6页
2015-08-13 发布于重庆
举报
版权申诉

基于分形维数和蚁群算法的属性选择方法.pdf

1、本文档共6页，可阅读全部内容。
2、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。
3、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。
4、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)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、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。
7、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。
8、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

基于分形维数和蚁群算法的属性选择方法.pdf

V01．22 第22卷第2期模式识别与人工智能 No．2 2009年4月 PRAI Apr 2009 基于分形维数和蚁群算法的属性选择方法倪丽萍倪志伟吴昊叶红云 (合肥工业大学管理学院合肥230009) 摘要属性选择在机器学习和数据挖掘领域起着重要作用，通常作为一个主要的预处理步骤．本文提出一种利用分形维数和蚁群算法进行属性选择的方法．在该方法中分形维数作为属性选择的评价机制，利用蚁群算法的正反馈机制加速属性选择的过程．为了分析结果的有效性，利用SVM分类算法和K-fold交叉验证相结合的方法对4 个数据集属性选择前后的分类性能进行测试．实验结果表明该方法具有较好的性能，它能在较短的时间里找到较优的属性子集，并大大降低了数据集的维数．关键词分形维数，属性选择，蚁群算法 391 中图法分类号TP FeatureSelectionMethod BasedonFractalDimensionandAnt ColonyOptimizationAlgorithm NI Zhi-Wei，WUHao，YEHong—Yun Li-Ping，NI (SchoolofManagement，HefeiUniversityofTechnology，Hefei230009) ABSTRACT Featureselectionan roleinmachine anddata plays important learning mining鹊aprimary featureselection is basedonfractaldimensionandant preprocessingstep．A algorithmpresented colony this dimensionisuseda8anevaluationmechanismandant optimizationalgorithm．Inalgorithm，fractal is toacceleratetheselection evaluatethe of colonyoptimizationalgorithmemployed process．To efficiency the SVM andK-foldcmssvalidation舢屯utilizedtoevaluatethe algorithm．thealgorithm proposed classificationonfourdatasets．The resultsshowthe Can accuracy experimental proposedalgorithmidentify thebetterfeature witha decreaseofdatasetdimensioninashorttime． space great WordsFractal Key Dimension，FeatureSelection，AntColonyOptimizationAlgorithm