基于密度聚类和样本加权信息熵的特征选择算法

发布时间：2017-12-19 17:27

  本文关键词：基于密度聚类和样本加权信息熵的特征选择算法　出处：《山东师范大学学报(自然科学版)》2016年04期 　论文类型：期刊论文

  更多相关文章： 特征选择 加权信息熵 聚类

【摘要】：特征选择是机器学习和模式识别领域中的一个重要问题.本文提出一种非监督的特征选择算法,称为基于密度聚类和样本加权信息熵的特征选择算法(DCWIE).不同于传统的基于信息熵的特征选择算法,DCWIE使用一种加权的信息熵计算方法,增加对分类贡献大的样本的权值,并通过与聚类结合,实现无监督学习.实验结果表明了本文算法的有效性.
【作者单位】： 山东师范大学信息科学与工程学院;山东省分布式计算机软件新技术重点实验室;
【基金】：国家自然科学基金资助项目(61170145)
【分类号】：TP181
【正文快照】： 1引言很多实际应用中,比如人脸识别、信号处理、文本分类等,数据的维数往往很高,且数据经常含有不相关和冗余的特征,这些特征增加了机器学习或数据挖掘过程的计算复杂性.为解决所谓的“维数灾难”问题[1],提高计算性能,一般要对数据进行降维处理.特征选择作为一种数据预处理方

【相似文献】

中国期刊全文数据库 前10条

1 卜华龙;夏静;韩俊波;;特征选择算法综述及进展研究[J];巢湖学院学报;2008年06期

2 王博;贾焰;田李;;基于类标号扩展的半监督特征选择算法[J];计算机科学;2009年10期

3 陈红;郭躬德;;一种新的双重融合的半监督特征选择算法[J];小型微型计算机系统;2010年08期

4 张晓光;孙正;徐桂云;阮殿旭;;一种类内方差与相关度结合的特征选择算法[J];哈尔滨工业大学学报;2011年03期

5 陈建华;王治和;蒋芸;许虎寅;樊东辉;;一种改进的文本分类特征选择算法[J];微电子学与计算机;2011年12期

6 郭磊;王亚弟;陈庶樵;朱珂;伊鹏;;一种改进的动态流特征选择算法[J];计算机工程与应用;2012年18期

7 代琨;于宏毅;马学刚;李青;;基于支持向量机的特征选择算法综述[J];信息工程大学学报;2014年01期

8 毛勇;周晓波;夏铮;尹征;孙优贤;;特征选择算法研究综述[J];模式识别与人工智能;2007年02期

9 任双桥;傅耀文;黎湘;庄钊文;;基于分类间隔的特征选择算法[J];软件学报;2008年04期

10 李勇明;张素娟;曾孝平;覃剑;韩亮;;轮询式多准则特征选择算法的研究[J];系统仿真学报;2009年07期

中国重要会议论文全文数据库 前5条

1 甄超;郑涛;许洁萍;;音乐流派分类中特征选择算法研究[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

2 张仰森;曹元大;;最大熵建模方法中一种改进的特征选择算法[A];NCIRCS2004第一届全国信息检索与内容安全学术会议论文集[C];2004年

3 张铮;胡社教;江萍;;基于EP模式的特征选择算法[A];2011中国仪器仪表与测控技术大会论文集[C];2011年

4 周炎涛;唐剑波;王家琴;;基于信息熵的改进TFIDF特征选择算法[A];第二十六届中国控制会议论文集[C];2007年

5 李文法;段m#毅;刘悦;孙春来;;一种面向流分类的特征选择算法[A];第四届全国信息检索与内容安全学术会议论文集（上）[C];2008年

中国博士学位论文全文数据库 前6条

1 王剑桥;基于局部特性的毫米波距离像识别方法研究[D];南京理工大学;2014年

2 李云;特征选择算法及其在基于内容图像检索中的应用研究[D];重庆大学;2005年

3 刘华文;基于信息熵的特征选择算法研究[D];吉林大学;2010年

4 张靖;面向高维小样本数据的分类特征选择算法研究[D];合肥工业大学;2014年

5 潘巍巍;故障严重程度识别的有序分类特征分析方法[D];哈尔滨工业大学;2013年

6 张嘉伟;心电图形态特征的识别及其在分类中的作用研究[D];华东师范大学;2011年

中国硕士学位论文全文数据库 前10条

1 徐娇;基于Hadoop的文本特征选择算法的研究[D];兰州大学;2015年

2 朱艳玲;基于聚类的多层特征选择算法的研究与应用[D];郑州轻工业学院;2015年

3 周p，

本文编号：1308804