基于粗糙集相对分类信息熵和粒子群优化的特征选择方法

发布时间：2018-03-09 08:11

  本文选题：数据挖掘　切入点：特征选择　出处：《智能系统学报》2017年03期 　论文类型：期刊论文

【摘要】：特征选择是指从初始特征全集中,依据既定规则筛选出特征子集的过程,是数据挖掘的重要预处理步骤。通过剔除冗余属性,以达到降低算法复杂度和提高算法性能的目的。针对离散值特征选择问题,提出了一种将粗糙集相对分类信息熵和粒子群算法相结合的特征选择方法,依托粒子群算法,以相对分类信息熵作为适应度函数,并与其他基于进化算法的特征选择方法进行了实验比较,实验结果表明本文提出的方法具有一定的优势。
[Abstract]:Feature selection refers to the process of selecting feature subsets from the initial feature set and selecting feature subsets according to established rules, which is an important preprocessing step of data mining. In order to reduce the complexity of the algorithm and improve the performance of the algorithm, a feature selection method based on particle swarm optimization (PSO) is proposed, which combines rough set relative classification information entropy and particle swarm optimization (PSO). The relative classification information entropy is taken as the fitness function and compared with other feature selection methods based on evolutionary algorithm. The experimental results show that the proposed method has some advantages.
【作者单位】： 河北大学河北省机器学习与计算智能重点实验室;浙江师范大学数理与信息工程学院;河北大学计算机科学与技术学院;中国气象局气象干部培训学院河北分院;
【基金】：国家自然科学基金项目(71371063) 河北省自然科学基金项目(F2017201026) 浙江省计算机科学与技术重中之重学科(浙江师范大学)资助项目
【分类号】：TP18

【相似文献】

相关期刊论文 前10条

1 张玉红;周全;胡学钢;;面向跨领域情感分类的特征选择方法[J];模式识别与人工智能;2013年11期

2 张永;陈思睿;杨志勇;贾桂霞;;特征选择方法的研究和改进[J];兰州理工大学学报;2006年05期

3 陈红;郭躬德;;基于空间覆盖的半监督特征选择方法[J];计算机工程与应用;2010年08期

4 黄秀丽;王蔚;;一种改进的文本分类特征选择方法[J];计算机工程与应用;2009年36期

5 张齐;林媛媛;余国先;;一种基于图的特征选择方法[J];计算机工程与应用;2011年26期

6 张莉;陈恭和;;一种适合大规模数据集的特征选择方法[J];计算机工程;2007年04期

7 彭湘华;;癌症识别中一种基于相关性的分层特征选择方法[J];湖南工业职业技术学院学报;2013年05期

8 吕月坪;刘秉瀚;;利用邻域粗糙模型的差分演化特征选择方法[J];小型微型计算机系统;2010年09期

9 杨喜寿;模式识别中的特征选择方法[J];信息与控制;1987年05期

10 何中市;徐浙君;;一种新型的文本无监督特征选择方法[J];重庆大学学报(自然科学版);2007年06期

相关会议论文 前1条

1 徐燕;王斌;李锦涛;孙春明;;知识增益：文本分类中一种新的特征选择方法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

相关博士学位论文 前3条

1 毛勇;基于支持向量机的特征选择方法的研究与应用[D];浙江大学;2006年

2 尹留志;关于非平衡数据特征问题的研究[D];中国科学技术大学;2014年

3 刘明霞;属性学习若干重要问题的研究及应用[D];南京航空航天大学;2015年

相关硕士学位论文 前10条

1 曹晋;基于SVDD的特征选择方法研究及其应用[D];苏州大学;2015年

2 秦嘉玮;MRI结构特征选择方法及AD早期诊断的应用研究[D];太原理工大学;2016年

3 周密;基于Fisher Score及遗传算法的特征选择方法研究[D];暨南大学;2016年

4 岳翠荣;多标签分类中关键技术的研究[D];华中师范大学;2016年

5 刘广明;机器学习中的两阶段特征选择方法研究[D];哈尔滨理工大学;2015年

6 杜静;基于D-S理论的高速列车转向架故障诊断[D];西南交通大学;2017年

7 王春霞;特征选择方法及其在红斑鳞状皮肤病诊断中的应用研究[D];陕西师范大学;2010年

8 王吉松;基于最大权重独立集的特征选择方法研究[D];东北师范大学;2013年

9 鲍捷;基于高维数据的特征选择方法及其稳定性研究[D];南京师范大学;2012年

10 滕旭阳;基于进化多目标优化的特征选择方法研究[D];哈尔滨工程大学;2012年

，

本文编号：1587700