区间序信息系统的无监督特征选择

发布时间：2020-11-16 19:45

　　 目前已有很多针对单值信息系统的无监督特征选择方法,但针对区间值信息系统的无监督特征选择方法却很少.针对区间序信息系统,文中提出模糊优势关系,并基于此关系扩展模糊排序信息熵和模糊排序互信息,用于评价特征的重要性.再结合一种综合考虑信息量和冗余度的无监督最大信息最小冗余(Um IMR)准则,构造无监督特征选择方法.最后通过实验证明文中方法的有效性.
【部分图文】：

(j)Wine(k)Satellite(l)Diabetic图2PNN与KNN分类误差随特征数目的变化趋势Fig．2ClassificationerrorschangingwiththenumberoffeaturesviaKNNandPNN3．3聚类结果分析本节引入针对区间值数据扩展的聚类算法(IFCMADC)［20］、基于city-block距离的单权重动态聚类算法(简记为Adaptivemethod1)和双权重动态聚类算法(简记为Adaptivemethod2)［21］，验证所得特征序列的性能，并使用标准化互信息(NormalizedMutualInformation，NMI)和调整兰德指数(AdjustＲandIndex，AＲI)2个指标度量结果，指标值越大效果越好．同样，根据特征在由本文方法得到的列表中的顺序逐个递增地选取以组成一个特征子集，然后使用此特征子集表征原始数据集，并作为聚类算法的输入，计算相应的NMI和AＲI．表3给出在不同聚类算法下不同数据集的特征序列子集与全部特征集对应的聚类性能对比，表中selected表示特征序列子集对应的最好性能，raw表示原始特征集对应的性能，括号内数字表示对应的特征数目．容易看出，对于3种聚类算法，几乎所有数据集在使用无监督特征算法生成的特征序列中的前一部分特征刻画数据集时，对应的NMI和AＲI值高于使用原始全部特征．这说明原始特征集中包含有部分不相关或冗余特征，不能给学习算法提供额外的有用信息，还可能误导分析结果．表33种方法在12个数据集上的聚类结果Table3Clusteringresultsof3methodson12datasets数据集指标IFCMADCSelectedＲawAdaptivemethod1SelectedＲawAdaptivemethod2SelectedＲawCarNMIAＲI0．6304(3)0．5480(3)0．6140(7)0．5267(7)0．6085(5)0．4758(5)0．4456(7)0．1816(7)0．5678(2)0．4257(2)0．3924(7)0．2893(7)FaceNMIAＲI1．0000(2)1?
【相似文献】

相关期刊论文 前10条

1 殷柏涛;一种改进的无监督竞争学习算法[J];声学与电子工程;1995年02期

2 邱德红,陈传波;融合无监督和监督学习策略生成的多分类决策树[J];小型微型计算机系统;2004年04期

3 李刚,童頫;基于混合概率模型的无监督离散化算法[J];计算机学报;2002年02期

4 徐永成,温熙森,韩小云;一种新型ARTⅡ无监督分类算法[J];计算机工程与应用;2001年08期

5 冯伟;洪波;;对医院信息系统建设的几点建议[J];中国中医药现代远程教育;2004年10期

6 李包罗;;医院信息系统的构成[J];智能建筑;2005年06期

7 朱以青;;一部信息系统领域研究的力作——评《信息系统理论、方法与技术应用》[J];山东师范大学学报(自然科学版);2006年04期

8 刘春红;;浅谈医院信息系统的管理和维护[J];医疗装备;2009年05期

9 许晓辉;;医院信息系统的建设与管理[J];信息系统工程;2013年03期

10 李怀庆,刘民堂;医院信息系统建设的体会[J];医疗设备信息;2003年02期

相关博士学位论文 前10条

1 周楠;基于稀疏和信息论的无监督特征学习算法研究[D];电子科技大学;2017年

2 代琨;基于支持向量机的网络数据特征选择技术研究[D];解放军信息工程大学;2013年

3 杨峻山;生物组学数据的集成特征选择研究[D];深圳大学;2017年

4 魏松;人机对话系统中若干关键问题研究[D];北京邮电大学;2007年

5 刘波;组稀疏子空间的大间隔特征选择[D];重庆大学;2013年

6 王瑞;针对类别不平衡和代价敏感分类问题的特征选择和分类算法[D];中国科学技术大学;2013年

7 姚兰;支持向量机特征选择中的L_p正则化方法研究[D];湖南大学;2014年

8 秦胜君;复杂适应信息系统体系结构的研究与应用[D];大连海事大学;2011年

9 解滨;信息系统中的知识获取与不确定性度量的若干问题研究[D];河北师范大学;2011年

10 马明华;基于概念格的信息系统的属性约简[D];哈尔滨工程大学;2014年

相关硕士学位论文 前10条

1 高双印;基于深度学习的药物活性研究[D];新疆大学;2017年

2 丛万玉;基于无监督的无线传感器网络入侵检测技术研究[D];吉林大学;2009年

3 敖道敢;无监督特征学习结合神经网络应用于图像识别[D];华南理工大学;2014年

4 高杉;序信息系统的同态性质[D];渤海大学;2015年

5 赵彩云;区间直觉模糊序信息系统粗糙集模型[D];山西师范大学;2015年

6 施玉杰;概率优势关系下的序信息系统及相关问题研究[D];郑州大学;2016年

7 陈颖;不完备多粒度信息系统的知识获取的粗糙集方法[D];浙江海洋大学;2016年

8 刘洪富;基于手机终端的油库火灾预警信息系统的设计与实现[D];北方民族大学;2016年

9 陈梓轩;手术麻醉信息系统的设计与实现[D];吉林大学;2016年

10 闫继雄;基于粒计算的信息系统知识发现研究[D];太原理工大学;2017年

本文编号：2886584