基于高维k-近邻互信息的特征选择方法

• 作者: 乔俊飞 周红标
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 特征选择 互信息 k-近邻 高维互信息 多层感知器
• 年，卷（期）: 2017,（5）
• 页码范围: 595-600
• 页数: 6页
• 分类号: TP183
• 字数: 3700字
• 语种: 中文
• DOI: 10.11992/tis.201609020

摘要

针对多元序列预测建模过程中特征选择问题,提出了一种基于数据驱动型高维k-近邻互信息的特征选择方法.该方法首先将数据驱动型k-近邻法扩展用于高维特征变量之间互信息的估计,然后采用前向累加策略给出全部特征最优排序,根据预设无关特征个数剔除无关特征,再利用后向交叉策略找出并剔除冗余特征,最终得到最优强相关特征子集.以Friedman数据、Housing数据和实际污水处理出水总磷预测数据为例,采用多层感知器神经网络预测模型进行仿真实验,验证了所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	乔俊飞	北京工业大学信息学部	181	1883	22.0	31.0
3	周红标	北京工业大学信息学部	48	271	10.0	12.0