针对高维数据的马尔科夫毯特征选择

摘要：

针对不满足忠实分布的高维数据分类问题,一种新的基于粒子群算法的马尔科夫毯特征选择方法被提出.它通过有效地提取相关特征和剔除冗余特征,能够产生更好的分类结果.在特征预处理阶段,该算法通过最大信息系数衡量标准对特征的相关度和冗余性进行分析得到类属性的马尔科夫毯代表集和次最优特征子集;在搜索评价阶段,采用新的适应度函数通过粒子群算法选出最优特征子集;用此模型对测试集进行预测.实验结果表明,该算法在12个数据集上具有一定的优势.

关键词：特征选择、最大信息系数、马尔科夫毯代表集、次最优特征子集、适应度函数、粒子群算法

所属期刊栏目：57

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金61573266

在线出版日期：2021-03-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：58-66