典型文献
基于自适应邻域互信息与谱聚类的特征选择
文献摘要：
借鉴邻域粗糙集处理连续型数据的优势,为解决传统谱聚类算法需要人工选取参数的问题,提出基于自适应邻域互信息与谱聚类的特征选择算法.首先,定义各对象在属性下的标准差集合与自适应邻域集,给出自适应邻域熵、平均邻域熵、联合熵、邻域条件熵、邻域互信息等不确定性度量,利用自适应邻域互信息对特征与标签的相关性进行排序.然后,结合共享近邻自适应谱聚类算法,将相关性强的特征聚到同一特征簇内,使不同特征簇内的特征强相异.最后,使用最小冗余最大相关技术设计特征选择算法.在10个数据集上选择特征个数与分类精度的实验结果,验证了所提算法的有效性.
文献关键词：
特征选择;邻域粗糙集;邻域互信息;谱聚类;最小冗余最大相关
中图分类号：
作者姓名：
孙林;梁娜;徐久成
作者机构：
河南师范大学计算机与信息工程学院,河南 新乡 453007;智慧商务与物联网技术河南省工程实验室,河南 新乡453007
文献出处：
引用格式：
[1]孙林;梁娜;徐久成-.基于自适应邻域互信息与谱聚类的特征选择)[J].山东大学学报（理学版）,2022(12):13-24
A类：
B类：
自适应邻域,邻域互信息,邻域粗糙集,连续型数据,传统谱聚类算法,特征选择算法,差集,邻域熵,条件熵,不确定性度量,合共,共享近邻,自适应谱聚类算法,将相,相异,最小冗余最大相关,技术设计,设计特征,上选,分类精度
AB值：
0.272702
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
