基于多准则排序融合的特征选择方法.pdfVIP

2015年 4月 计算机工程与设计 Apr．2015 第36卷 第4期 COMPUTER ENGINEERINGAND DESIGN VoL36 No．4 基于多准则排序融合的特征选择方法 李 晓，石国良，苟先太，金炜东 (西南交通大学 电气工程学院，四川 成都 610031) 摘 要：针对模式分类中特征选择问题 ，为去除冗余特征 ，提高分类准确率，提 出一种基于ReliefF算法、Fisher比率算法 和马氏距离算法的多准则排序融合的特征选择方法。动态结合上述3种单准则特征选择法的优点，实现对多个评价准则的 综合利用。以Ionosphere标准数据集和高速列车转向架故障数据集为研究对象进行实验仿真，仿真结果表明，相比于单准 则特征选择法，该方法能更有效地降低特征维数，具有更高的分类性能。 关键词：特征选择 ；排序融合；Fisher比率；ReliefF；马氏距离；模式分类 中图法分类号：TP391．4 文献标识号：A 文章编号：1000—7024 (2015)04—1110—05 d0i：10．16208／j．issnl000—7024．2015．04．053 Featureselectionapproachbasedonmulti—criteriarankfusion LIXiao，SHIGuo-liang，GOU Xian-tai，JINWei—dong (SchoolofElectricalEngineering，SouthwestJiaotongUniversity，Chengdu610031，China) Abstract：Fortheproblem offeatureselectioninpatternclassification，toremoveredundantfeaturesandimprovetheclassifica— tionaccuracy，amulti-criterionfeaturerankingschemewasproposed．Theproposedschemewasbasedonthefusionofacollec— tionofmethodsincludingReliefF，FisherratioandMahalanobisdistance，theadvantagesofthethreedifferentevaluationcriteria werecombined，thereforethecomprehensiveutilizationofthethreecriteriawasrealized．Thefourmethodsweresimulatedbased onIonospherestandardtestandfaultdataofhigh-speedtrain，theexperimentalresultsshow that，comparedtothesinglecriteria featureselection method，theproposedapproach can effectively reducefeature dimension，and ownsbetter classification perfor-mance． Keywords：fatureselection；rankfusion；Fisherratio；ReliefF；Mahalanobisdistance；patternclassification liefl~，、马氏距离 蜘、模糊熵方法[、类间可分性 []、 0 引 言 相关性_1等。然而，Filter模式的单个评价准则不能全面 特征选择是从原始特征中选择出一些最有效特征以降 评价特征子集的好坏，单一的特征评价准则难以全面评估 低数据集维度的过程。目前，按照特征选择方法依据是否 特征 的优劣 ，选择精度较低，有