基于加权正域的特征选择算法

• 作者: 刘景华 林梦雷 林耀进 王晨曦
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 特征选择 正域 大间隔 邻域粗糙集
• 年，卷（期）: 2015,（3）
• 页码范围: 368-375
• 页数: 8页
• 分类号: TP18
• 字数: 5328字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1406046

摘要

基于邻域粗糙集的特征选择算法无法评价特征与样本之间的相互关系，为此，通过融合基于大间隔获得样本对特征的评价准则，提出了基于加权正域的特征选择算法。该算法有效地实现了特征对样本的区分能力与样本对特征的贡献程度的综合利用。在UCI数据集和5个高维小样本数据集上的实验结果表明，相比传统的单准则评价的特征选择方法，该方法不仅能有效地提高特征选择的分类性能，而且更加有利于处理高维小样本数据集。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林梦雷	闽南师范大学计算机学院	35	120	7.0	10.0
2	林耀进	闽南师范大学计算机学院	42	204	7.0	11.0
3	刘景华	闽南师范大学计算机学院	8	87	6.0	8.0
4	王晨曦	漳州职业技术学院计算机工程系	13	54	4.0	7.0