基于高维k-近邻互信息的特征选择方法

发布时间：2017-12-24 19:10

  本文关键词：基于高维k-近邻互信息的特征选择方法　出处：《智能系统学报》2017年05期 　论文类型：期刊论文

  更多相关文章： 特征选择 互信息 k-近邻 高维互信息 多层感知器

【摘要】：针对多元序列预测建模过程中特征选择问题,提出了一种基于数据驱动型高维k-近邻互信息的特征选择方法。该方法首先将数据驱动型k-近邻法扩展用于高维特征变量之间互信息的估计,然后采用前向累加策略给出全部特征最优排序,根据预设无关特征个数剔除无关特征,再利用后向交叉策略找出并剔除冗余特征,最终得到最优强相关特征子集。以Friedman数据、Housing数据和实际污水处理出水总磷预测数据为例,采用多层感知器神经网络预测模型进行仿真实验,验证了所提方法的有效性。
【作者单位】： 北京工业大学信息学部;计算智能和智能系统北京市重点实验室;淮阴工学院自动化学院;
【基金】：国家自然科学基金重点项目(61533002) 国家杰出青年科学基金项目(61225016)
【分类号】：TP18;X703
【正文快照】： 通过特征选择实现数据降维,构建结构精简的辨识模型,能够有效避免输入特征太多造成“维数灾难”以及给学习模型带来“过拟合”等问题[1-3]。 目前,特征选择的方法主要有偏最小二乘回归(partial least squares regression,PLSR)[4]、灰色关联分析(grey relational analysis,GR，

本文编号：1329596