一种改进离散度的特征选择方法

• 作者: 兰远东 邓辉舫
• 来源期刊: 计算机系统应用
• 关键词: 特征选择 机器学习 离散度 模式分类 特征提取
• 年，卷（期）: 2012,（7）
• 页码范围: 215-218
• 字数: 2353字
• 语种: 中文

摘要

降维在机器学习中起着至关重要的作用.而降维的方法主要有两类:特征选择和特征提取.离散度方法是特征选择中常用的一种方法,通过计算每个特征的离散度来选择特征,被选择的特征一般都具有较高的离散度值.但是离散度的计算没有考虑到特征间的相互影响.通过改进离散度的计算,不单考虑到类间相同特征对离散度的影响,还考虑到不同特征之间的离散度影响.在 UCI 数据集上的实验证明,改进离散度的特征选择具有较好的性能

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邓辉舫	华南理工大学计算机科学与工程学院	21	169	7.0	12.0
2	兰远东	惠州学院计算机科学系	20	36	3.0	4.0