基于模糊集与前馈神经网络的数据特征分析与选择算法

• 作者: 章银娥
• 来源期刊: 合肥工业大学学报（自然科学版）
• 学科: 工学
• 关键词: 模糊集 前馈神经网络 特征分析 特征选择
• 年，卷（期）: 2009,（9）
• 所属期刊栏目: 电气与自动化工程
• 页码范围: 1312-1316
• 页数: 5页
• 分类号: TP391.43
• 字数: 4358字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-5060.2009.09.005

摘要

特征分析与选择是设计有效的数据分类与聚类算法的重要前提,为了选择合适的、一定数量的数据特征,文章提出了一种基于模糊集与前馈神经网络的特征分析与选择算法,该算法充分考虑特征的独立性与重要性,采用模糊集理论描述特征之间的独立性,通过独立性估计删除相关性特征;采用监督学习前馈神经网络实现重要性因子的自适应学习与估计,选择出重要性高的特征集合.理论分析与实验结果证明了提出的算法不仅时间复杂度低,而且能准确地反映数据的本质特征.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	章银娥	赣南师范学院数学与计算机系	31	77	3.0	8.0