基于概率密度逼近无监督特征排序.docVIP

基于概率密度逼近无监督特征排序 　　摘要：依据概率密度逼近提出了一种新的无监督特征排序,应用于特征选择降维。实验证明,这种方法与一些现有的方法相比,更为有效。 　　关键词：特征排序； 特征选择； Parzen窗口密度估计； 概率密度逼近 　　中图分类号：TP3016文献标志码：A 　　文章编号2007 　　 　　0引言 　　 　　模式识别和数据分析中,经常需要利用样本的特征将样本划分为不同的模式类别。通常情况下,样本特征中包含了足够的类别信息,才能通过分类器实现正确分类。然而,特征中是否包含足够的类别信息却很难确定。为了提高识别率,总是最大限度地提取特征信息,但这不仅使特征维数增大,造成人们所说的维数灾难(Curse of Dimensionality)[1，2],而且其中可能存在较大的相关性和冗余,影响识别的准确性。因而选择合适的特征来描述模式，不仅对模式识别的精度、需要的训练时间和需要的实例等许多方面影响很大,并且对分类器的构造也起着非常重要的作用[3]。这样,降维对于数据的有效分析就显得非常重要；特征选择和特征转换（特征提取）就是降维的两种主要方法。特征选择是选出有用的或重要的特征,抛弃其他特征；特征转换是根据原来的特征空间再建一个新的特征空间。目前已有不少文献对这样的问题进行了探讨[4～6]。在特征选择方面,已有很多提