计算机科学 ›› 2006, Vol. 33 ›› Issue (10): 193-195.
任江涛 孙婧昊 黄焕宇 印鉴
REN Jiang-Tao, SUN Jing-Hao, HUANG Huan-Yu ,YIN Jian (Department of Computer Science, Zhongshan University, Guangzhou 510275)
摘要: 特征选择是模式识别及数据挖掘等领域的重要问题之一。针对高维数据对象,特征选择一方面可以提高分类精度和效率,另一方面可以找出富含信息的特征子集。针对此问题,本文提出一种综合了filter模型及wrapper模型的特征选择方法,首先基于特征之间的信息增益进行特征分组及筛选,然后针对经过筛选而精简的特征子集采用遗传算法进行随机搜索,并采用感知器模型的分类错误率作为评价指标。实验结果表明,该算法可有效地找出具有较好的线性可分离性的特征子集,从而实现降维并提高分类精度。
No related articles found! |
|