典型文献
一种改进的特征子集区分度评价准则
文献摘要：
针对特征子集区分度准则(Discernibility of feature subsets,DFS)没有考虑特征测量量纲对特征子集区分能力影响的缺陷,引入离散系数,提出GDFS(Generalized discernibility of feature subsets)特征子集区分度准则.结合顺序前向、顺序后向、顺序前向浮动和顺序后向浮动4种搜索策略,以极限学习机为分类器,得到4种混合特征选择算法.UCI数据集与基因数据集的实验测试,以及与 DFS、Relief、DRJMIM、mRMR、LLE Score、AVC、SVM-RFE、VMInaive、AMID、AMID-DWSFS、CFR和FSSC-SD的实验比较和统计重要度检测表明:提出的GDFS优于DFS,能选择到分类能力更好的特征子集.
文献关键词：
特征子集区分度;特征选择;离散系数;极限学习机;特征搜索策略
中图分类号：
作者姓名：
谢娟英;吴肇中;郑清泉;王明钊
作者机构：
陕西师范大学计算机科学学院 西安710119;陕西师范大学生命科学学院 西安710119
文献出处：
引用格式：
[1]谢娟英;吴肇中;郑清泉;王明钊-.一种改进的特征子集区分度评价准则)[J].自动化学报,2022(05):1292-1306
A类：
特征子集区分度,Discernibility,GDFS,DRJMIM,VMInaive,AMID,DWSFS
B类：
评价准则,feature,subsets,量量,量纲,区分能力,离散系数,Generalized,discernibility,浮动,和顺,极限学习机,分类器,混合特征,特征选择算法,UCI,基因数据,实验测试,Relief,mRMR,LLE,Score,AVC,RFE,CFR,FSSC,计重,重要度,特征搜索策略
AB值：
0.321576
相似文献
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。
