典型文献
基于动态相关性的特征选择算法
文献摘要：
特征选择是从原始数据集中去除无关的特征并选择良好的特征子集,可以避免维数灾难和提高学习算法的性能.为解决已选特征和类别动态变化(DCSF)算法在特征选择过程中只考虑已选特征和类别之间动态变化的信息量,而忽略候选特征和已选特征的交互相关性的问题,提出了一种基于动态相关性的特征选择(DRFS)算法.该算法采用条件互信息度量已选特征和类别的条件相关性,并采用交互信息度量候选特征和已选特征发挥的协同作用,从而选择相关特征并且去除冗余特征以获得优良特征子集.仿真实验表明,与现有算法相比,所提算法能有效地提升特征选择的分类准确率.
文献关键词：
特征选择;信息熵;互信息;条件互信息;交互信息
中图分类号：
作者姓名：
陈永波;李巧勤;刘勇国
作者机构：
电子科技大学信息与软件工程学院,成都610054
文献出处：
引用格式：
[1]陈永波;李巧勤;刘勇国-.基于动态相关性的特征选择算法)[J].计算机应用,2022(01):109-114
A类：
DCSF,交互相关性,DRFS
B类：
动态相关性,特征选择算法,原始数据,特征子集,维数灾难,别动,信息量,条件互信息,信息度,交互信息,征发,冗余特征,分类准确率,信息熵
AB值：
0.235323
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。
