容忍噪音的特征子集选择算法研究

被引：4

作者：

王兴起

孔繁胜

机构：

[1] 浙江大学人工智能研究所

来源：

计算机研究与发展 | 2002年 / 12期

关键词：

特征子集选择; 启发式算法; 噪音;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

特征子集选择问题一直是人工智能领域研究的重要内容 ,特别是近几年来 ,特征子集选择算法研究已经成为机器学习和数据挖掘等领域的研究热点 .提出了一个新的特征子集选择算法——容忍噪音的特征子集选择算法 (NFS) ,该算法将聚类的思想引入到噪音的处理 ,并将 Gini系数和墨西哥帽函数应用于特征选取 ,实现对含有噪音数据集的特征子集选择 .实际领域的实验结果表明 ,NFS算法具有噪音容忍度高、选择特征代表性强和求解速度快的优点 ,因此能够有效地应用于实际领域

引用

页码：1637 / 1644

页数：8

共 7 条

[1] 最优特征子集选择问题 [J].