计算机科学 ›› 2012, Vol. 39 ›› Issue (12): 228-232.
李晓艳 张子刚 张逸石 张谧
摘要: 特征选择是模式识别和机器学习中的重要环节之一,所选特征子集的质量直接影响着分类学习算法的效率 及准确率。现有特征选择算法均在整个类标签集的视角下进行特征评价,并未分别考察每一类别与特征间的关系。 提出了一种基于KL散度和类分离策略的特征选择算法,它采用类分离策略分别对类标签中每一类别与特征间的关 系予以考察,并采用一种基于KI散度的有效距离度量类别与特征间的相关性以及特征之间的冗余性。实验结果表 明,所提算法具有较高的运行效率;在所选特征质量上,所提算法显著优于经典的CFS, FCI3F以及RclicfF特征选择 算法。
No related articles found! |
|