基于可分性判据排序的RBF神经网络属性选择方法

• 作者: 文专 王正欧
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 数据降维 属性重要性排序 可分性判据 RBF神经网络 属性选择
• 年，卷（期）: 2004,（23）
• 所属期刊栏目: 基金项目论文
• 页码范围: 40-42
• 页数: 3页
• 分类号: TP183
• 字数: 5095字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2004.23.015

摘要

提出一种基于数据属性重要性排序的神经网络属性选择方法.该方法只需对部分属性进行训练,即可进行降维.它克服了现有的神经网络降维方法必须对全部属性进行训练的弊端,大大提高了属性选择的效率.该方法先用本文提出的一种简单的可分性判据方法对数据属性进行重要性排序,然后按重要次序用RBF神经网络进行属性选择.仿真实例表明,该方法具有良好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王正欧	天津大学系统工程研究所	91	2104	28.0	41.0
2	文专	天津大学系统工程研究所	2	28	2.0	2.0