基于Parzen窗条件互信息计算的特征选择方法

被引：4

作者：

贺邓超

张宏军

郝文宁

张睿

机构：

[1] 解放军理工大学指挥信息系统学院仿真与数据中心

来源：

计算机应用研究 | 2015年 / 32卷 / 05期

关键词：

特征选择; Parzen窗; 条件互信息; 特征离散度;

D O I：

暂无

中图分类号：

TP391.4 [模式识别与装置];

学科分类号：

0811 ; 081101 ; 081104 ; 1405 ;

摘要：

为解决连续值特征条件互信息计算困难和对多值特征偏倚的问题,提出了一种基于Parzen窗条件互信息计算的特征选择方法。该方法通过Parzen窗估计出连续值特征的概率密度函数,进而方便准确地计算出条件互信息;同时在评价准则中引入特征离散度作为惩罚因子,克服了条件互信息计算对于多值特征的偏倚,实现了对连续型数据的特征选择。实验证明,该方法能够达到与现有方法相当甚至更好的效果,是一种有效的特征选择方法。

引用

页码：1387 / 1389+1398 +1398

页数：4

共 12 条

[1]

An Unsupervised Feature Selection Algorithm Based on Ant Colony Optimization[J] . Sina Tabakhi,Parham Moradi,Fardin Akhlaghian. &nbspEngineering Applications of Artificial Intelligence . 2014

[2] Supervised feature selection by clustering using conditional mutual information-based distances [J].

Martinez Sotoca, Jose ;

Pla, Filiberto .

PATTERN RECOGNITION, 2010, 43 (06) :2068-2081

[3]

Feature selection with dynamic mutual information[J] . Huawen Liu,Jigui Sun,Lei Liu,Huijie Zhang. &nbspPattern Recognition . 2008 (7)

[4]

A New Dependency and Correlation Analysis for Features. Guangzhi Qu,Salim Hariri,Mazin Yousif. IEEE Transactions on Knowledge and Data Engineering . 2005

[5]

Using mutual information for selecting features in supervised neural net learning. Battiti,Roberto. IEEE Transactions on Neural Networks . 1994

[6]

Elements of Information Theory. Cover TM,Thomas JA. Journal of Women s Health . 1991

[7]

Input feature selection by mutual information based on Parzen window. Kwak, Nojun,Choi, Chong-Ho. IEEE Transactions on Pattern Analysis and Machine Intelligence . 2002

[8]

A framework for cost-based feature selection[J] . V. Bolón-Canedo,I. Porto-Díaz,N. Sánchez-Maro?o,A. Alonso-Betanzos. &nbspPattern Recognition . 2014

[9] 基于最小联合互信息亏损的最优特征选择算法 [J].

张逸石 ;

陈传波 .

计算机科学, 2011, 38 (12) :200-205

[10] 特征选择算法研究综述 [J].

毛勇 ;

周晓波 ;

夏铮 ;

尹征 ;

孙优贤 .

模式识别与人工智能, 2007, 20 (02) :211-218

← 1 2 →