一種數(shù)據(jù)挖掘中的特征子集選取模型研究和應(yīng)用.pdf

1、特征提取是模式識別中的一個重要過程,如今,也在數(shù)據(jù)挖掘領(lǐng)域也有著廣泛的應(yīng)用。對于高維數(shù)據(jù)的數(shù)據(jù)挖掘,特征提取可以有效地對數(shù)據(jù)進(jìn)行降維處理,從而降低算法的運算規(guī)模。相對于主成分分析,粗糙集等數(shù)據(jù)降維方法,特征提取更加系統(tǒng)化,也更加依賴與問題的具體應(yīng)用領(lǐng)域,提出針對性的特征提取模型,得到的結(jié)果也更加具有參考價值。將支持向量機(jī)應(yīng)用于特征提取中,可以結(jié)合兩者的長處,優(yōu)化特征提取的過程,是對特征提取方法的一種探索。
　　 本文針對最優(yōu)特征

2、子集選取的問題,進(jìn)行了相關(guān)的探索研究。借鑒經(jīng)典統(tǒng)計理論中的分位數(shù)的概念,將其引入特征選取模型,建立了分位數(shù)特征選取模型。另外,參考信息學(xué)中關(guān)于信息相對熵的概念和定義,建立了相對熵特征選取模型。在對特征候選集進(jìn)行最優(yōu)特征子集選取的過程中,本文依照分位數(shù)特征選取模型和相對熵特征選取模型分別建立了樣本屬性的可分性判別函數(shù),并運用浮動序列前進(jìn)算法找出不同屬性個數(shù)下的最佳特征候選子集。最后,本文又借助于支持向量機(jī)的方法,將包含不同屬性個數(shù)的特征候