基于Fisher准则和特征聚类的特征选择

被引：22

作者：

王飒

郑链

机构：

[1] 北京理工大学宇航科学技术学院

来源：

计算机应用 | 2007年 / 11期

关键词：

特征选择; Fisher准则; 特征聚类;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

特征选择是机器学习和模式识别等领域的重要问题之一。针对高维数据,提出了一种基于Fisher准则和特征聚类的特征选择方法。首先基于Fisher准则,预选出鉴别性能较强的特征子集,然后在预选所得到的特征子集上对特征进行分层聚类,从而最终达到去除不相关和冗余特征的目的。实验结果表明该方法是一种有效的特征选择方法。

引用

页码：2812 / 2813+2840 +2840

页数：3

共 6 条

[1]

UCI repository of machine learning da-tabases. MERZ C J,MURPHY P M. http://www.ics.uci.edu/～mlearn/MLRepository.html . 2007

[2]

Selection of relevant features in machine learning. LANGLYP. Proceedings of the AAAI Fall Symposium on Relevance . 1994

[3]

Pattern classification. DUDA R O,HART P E,STORK D G. . 2001

[4]

Wrappers for feature subset selection. R Kohavi,G John. Artificial Intelligence . 1997

[5]

Irrelevant feature and the subset selection problem. JOHN G,KOHAVI R,PFLEGER K. Prcoceedings of the11th Internation-al Conference on Machine Learning . 1994

[6]

USPS database. LECUNY,BOSER B,DENKER J S,et al. http://www.kernel-machines.org/data.html . 2007

← 1 →