基于特征筛选的云分类器.pdfVIP

北京石油化工学院学报 第 19卷 第 1期 Vo1．19 NO．1 JournalofBeijingInstituteof 2011年 3月 Mar．2011 Petro—chem icalTechnology 基于特征筛选的云分类器 刘 达 张国英 刘冠洲。 沙 芸 (1．北京石油化工学院 ，北京 102617；2．中国矿业大学 ，北京 100083) 摘 要 高维且不独立的样本特征集使分类 的准确性 降低 ，笔者提出一种根据样本集特征 权值进行特征选择的方法 。根据特征问的相似性度量函数计算特征 的权重 ，并根据权重去除重要性差 的特征，用于解决高维样本集的特征降维问题 ，特征选择结果与主成份分析结果一致 。建立基于保留特 征加权的云分类模型 ，应用于 iris数据集和复杂矿石图像 的分类 ，效果 良好。 关 键 词 特征选择 ；云分类器 ；相似性 中图法分类号 TP391．9 基于 内容的图像理解 是一种综合集成技 性概念的隶属度 C ()(或 z与 T的相容度) 术 ，它通过分析图像 的颜色、形状和纹理等特 是一个具有稳定倾 向的随机数，隶属度在论域 征 ，并基于图像特征通过分类聚类技术对图像 上的分布称为隶属云，简称为云。C (．z)在 [O， 内容进行区分和理解。图像内容理解已成为国 1]中取值，云是从论域 u到区间[0，1]的影射 ， 内外学者研究 的主要热点问题 ，已经有许多原 即 37∈U，—C1、()。 型系统和实际应用一 。其 中基于纹理的图像 云的数字特征用期望值 、熵 盯、超熵 He 检索是 目前 的研究热点之一 ，产生了许多纹理 这 3个数值来表征[5]。 的研究方法，如小波变换u 、共生矩阵 、马 期望值 Ex：概念在沦域中的中心值 ，是最 尔可夫随机场_s等 。 能代表这个定性概念 的值 ，即 Ex隶属于这个 笔者运用云模型表达纹理特征，将训练数 定性概念的程度是 100 。 据集每个类别的属性定义为定性概念 ，用云模 熵 ：定性概念模糊度的度量 ，反映在论域 型表达定性概念与类别的属性数值的转换关 中被这个概念所接受的数值范 围。 越大，概 系，从而将不同类别的对象区分开。云划分 的 念接受的数值范围越大 ，概念越模糊。 边界是模糊且不确定 ，比起其它的硬分类技术 更加符合实际的数据分布和人的思维方式 。同 时提出了类别对象集合和类别特征集合的相似 度概念，基于类别特征集合 的相似度定义特征 超熵 H ：可谓熵 的方差 ，反映了云熵的 的权重 。基于KNN方法对特征集合进行聚类 离散程度。超熵越大 ，云熵离散度越大 ，隶属度 实验 ，结果表明对图像内容聚类有很好效果。 的随机性越大 ，云的 “厚度”也越大。 1 云模型 He=== 1．1 云的基本概念 云模型是定 性定量间转换 的不确定性模 云模型的3个数字特征值把模糊性 (概念 型 。，设 U是一个论域 ，U一 {oT}，T是与U相 接受 的数值范 围越大 ，概念越模糊)和随机