典型文献
基于ReliefF的层次分类在线流特征选择算法
文献摘要：
在图像标注、疾病诊断等实际分类任务中,数据标记空间的类别通常存在着层次化结构关系,且伴随着特征的高维性.许多层次特征选择算法因不同的实际任务需求而提出,但这些已有的特征选择算法忽略了特征空间的未知性和不确定性.针对上述问题,提出一种基于ReliefF的面向层次分类学习的在线流特征选择算法OH_ReliefF.首先将类别之间的层次关系融入ReliefF算法中,定义一种新的面向层次化数据的特征权重计算算法HF_ReliefF;其次,利用特征对决策属性的划分能力动态选择重要特征;最后,基于特征之间的独立性对特征进行动态冗余分析.实验结果表明,与五种先进的在线流特征选择算法作对比,OH_ReliefF算法在K最邻近(KNN)分类器和拉格朗日支持向量机(LSVM)分类器的各个评价指标中都取得较优的结果,准确率最少提高7个百分点.
文献关键词：
特征选择;在线流特征选择;层次分类;ReliefF算法;兄弟策略
中图分类号：
作者姓名：
张小清;王晨曦;吕彦;林耀进
作者机构：
闽南师范大学计算机学院,福建漳州363000;数据科学与智能应用福建省高校重点实验室,福建漳州363000
文献出处：
引用格式：
[1]张小清;王晨曦;吕彦;林耀进-.基于ReliefF的层次分类在线流特征选择算法)[J].计算机应用,2022(03):688-694
A类：
动态冗余,兄弟策略
B类：
ReliefF,层次分类,在线流特征选择,特征选择算法,图像标注,疾病诊断,分类任务,常存,层次化结构,结构关系,高维性,多层次特征,法因,任务需求,特征空间,知性,分类学,层次关系,特征权重,权重计算,计算算法,HF,对决,力动态,动态选择,冗余分析,KNN,分类器,拉格朗日,LSVM,少提,百分点
AB值：
0.337893
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。
