基于粗糙集相对分类信息熵和粒子群优化的特征选择方法

• 作者: 刘博 张素芳 翟俊海
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 数据挖掘 特征选择 数据预处理 粗糙集 决策表 粒子群算法 信息熵 适应度函数
• 年，卷（期）: 2017,（3）
• 页码范围: 397-404
• 页数: 8页
• 分类号: TP181
• 字数: 4078字
• 语种: 中文
• DOI: 10.11992/tis.201705004

摘要

特征选择是指从初始特征全集中,依据既定规则筛选出特征子集的过程,是数据挖掘的重要预处理步骤.通过剔除冗余属性,以达到降低算法复杂度和提高算法性能的目的.针对离散值特征选择问题,提出了一种将粗糙集相对分类信息熵和粒子群算法相结合的特征选择方法,依托粒子群算法,以相对分类信息熵作为适应度函数,并与其他基于进化算法的特征选择方法进行了实验比较,实验结果表明本文提出的方法具有一定的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	翟俊海	河北大学河北省机器学习与计算智能重点实验室	45	256	9.0	12.0
5	刘博	河北大学计算机科学与技术学院	12	32	3.0	5.0
6	张素芳		12	75	4.0	8.0