典型文献
基于最大信息系数的ReliefF和支持向量机交互的自动特征选择算法
文献摘要：
为解决特征选择ReliefF算法在利用欧氏距离选取近邻样本过程中,算法稳定性差以及选取的特征子集分类准确率低的问题,提出了一种利用最大信息系数(MIC)作为近邻样本选择标准的MICReliefF算法;同时,以支持向量机(SVM)模型的分类准确率作为评价指标,并多次寻优,以自动确定其最优特征子集,从而实现MICReliefF算法与分类模型的交互优化,即MICReliefF-SVM自动特征选择算法.在多个UCI公开数据集上对MICReliefF-SVM算法的性能进行了验证.实验结果表明,MICReliefF-SVM自动特征选择算法不仅可以筛除更多的冗余特征,而且可以选择出具有良好稳定性和泛化能力的特征子集.与随机森林(RF)、最大相关最小冗余(mRMR)、相关性特征选择(CFS)等经典的特征选择算法相比,MICReliefF-SVM算法具有更高的分类准确率.
文献关键词：
特征选择;最大信息系数;ReliefF算法;支持向量机;极限学习机
中图分类号：
作者姓名：
葛倩;张光斌;张小凤
作者机构：
陕西师范大学物理学与信息技术学院, 西安 710119
文献出处：
引用格式：
[1]葛倩;张光斌;张小凤-.基于最大信息系数的ReliefF和支持向量机交互的自动特征选择算法)[J].计算机应用,2022(10):3046-3053
A类：
自动特征选择,MICReliefF
B类：
最大信息系数,特征选择算法,欧氏距离,近邻,特征子集,分类准确率,样本选择,优特,分类模型,交互优化,UCI,公开数据集,筛除,冗余特征,泛化能力,RF,最大相关最小冗余,mRMR,相关性特征选择,CFS,极限学习机
AB值：
0.244775
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。
