计算机科学 ›› 2006, Vol. 33 ›› Issue (10): 193-195.

• 计算机网络与信息安全 • 上一篇    下一篇

一种基于信息增益及遗传算法的特征选择算法

任江涛 孙婧昊 黄焕宇 印鉴   

  1. 中山大学计算机科学系,广州510275
  • 出版日期:2018-11-17 发布日期:2018-11-17
  • 基金资助:
    本文研究得到国家自然科学基金资助(60573097)、广东省自然科学基金资助(05200302、04300462).

REN Jiang-Tao, SUN Jing-Hao, HUANG Huan-Yu ,YIN Jian (Department of Computer Science, Zhongshan University, Guangzhou 510275)   

  • Online:2018-11-17 Published:2018-11-17

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。

关键词: 特征选择 信息增益 遗传算法

Abstract: Feature selection is one of the important problems in the pattern recognition and data mining areas. For highdimensional data, feature selection not only can improve the accuracy and efficiency of classification, but also can discover informative feature

Key words: Feature selection, Information gain, GA

No related articles found!
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!