

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、特征選擇是指從初始特征全集中,依據(jù)既定規(guī)則篩選出特征子集的過程。通過剔除冗余特征,以達(dá)到降低算法復(fù)雜度和提高算法性能的目的。特征選擇是解決維數(shù)災(zāi)難問題的有效手段,在機(jī)器學(xué)習(xí)中扮演著重要角色。研究特征選擇具有重要的理論及應(yīng)用價(jià)值,特別是對(duì)于大數(shù)據(jù)時(shí)代的機(jī)器學(xué)習(xí)。
本研究在離散值特征選擇問題上,提出了兩種不同的基于進(jìn)化算法的特征選擇方法。第一種方法用相對(duì)分類信息熵作為適應(yīng)度函數(shù),度量特征子集的重要性,理論證明了這種度量的可行性,用
2、進(jìn)化算法(遺傳算法、粒子群算法)尋找最優(yōu)特征子集。第二種方法和第一種方法類似,不同的是用不一致率作為適應(yīng)度函數(shù),度量特征子集的重要性。本文通過比較研究這兩種方法,得到了如下結(jié)論:當(dāng)采用相同的適應(yīng)度函數(shù)時(shí),用粒子群搜索最優(yōu)特征子集與用遺傳算法搜索最優(yōu)特征子集相比,前者在測(cè)試精度和收斂速度兩方面均優(yōu)于后者;當(dāng)采用不同的適應(yīng)度函數(shù)時(shí),選擇相對(duì)分類信息熵作為適應(yīng)度函數(shù)的進(jìn)化特征選擇方法要優(yōu)于選擇不一致率作為適應(yīng)度函數(shù)的進(jìn)化特征選擇方法。另外,研
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于進(jìn)化算法的特征選擇研究.pdf
- 基于進(jìn)化特征選擇的人臉識(shí)別算法研究.pdf
- 基于進(jìn)化多目標(biāo)優(yōu)化的特征選擇方法研究.pdf
- 基于粒子群算法的分組特征選擇算法研究.pdf
- 基于量子進(jìn)化特征選擇的SAR圖像分割.pdf
- 基于信息理論的特征選擇算法研究.pdf
- 基于野草算法的文本特征選擇研究.pdf
- 基于特征選擇的數(shù)據(jù)降維算法研究.pdf
- 基于文本聚類的特征選擇算法研究.pdf
- 基于原型方法的特征選擇算法的研究.pdf
- 基于特征加權(quán)與特征選擇的數(shù)據(jù)挖掘算法研究.pdf
- 基于樣本和特征結(jié)構(gòu)信息的特征選擇算法研究.pdf
- 文本特征選擇算法的研究.pdf
- 基于信息?;奶卣鬟x擇算法研究.pdf
- 基于特征選擇的多標(biāo)簽分類算法研究.pdf
- 基于粗糙集的特征選擇算法.pdf
- 基于隨機(jī)搜索策略的特征選擇算法研究.pdf
- 基于粗糙集的特征選擇算法研究.pdf
- 基于云平臺(tái)的文本特征選擇算法研究.pdf
- 基于Relief特征選擇算法的研究與應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論