基于双模糊信息的特征选择算法

• 作者: 李滔 李素姝 王士同
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 特征选择 双模糊 最小学习机 模糊隶属度 模糊补充
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 1993-2003
• 页数: 11页
• 分类号: TP181
• 字数: 8593字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1610058

摘要

在对传统特征选择算法进行研究的基础上,提出了一种基于双模糊信息的特征选择算法(feature selection algorithm based on doubly fuzziness information,FSA-DFI).第一种模糊体现在对最小学习机(least learning machine,LLM)进行模糊化后得到模糊最小学习机(fuzzy least learning machine,FUZZY-LLM)中;另一种模糊则是在基于贡献率模糊补充这一方法中体现的,其中贡献率高的特征才可能被选入最终的特征子集.算法FSA-DFI是将FUZZY-LLM和基于贡献率的模糊补充方法结合得到的.实验表明,和其他算法相比,所提特征选择算法FSA-DFI能得到更好的分类准确率、更好的降维效果以及更快的学习速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同	江南大学数字媒体学院	528	3424	23.0	37.0
2	李滔	江南大学数字媒体学院	6	29	2.0	5.0
3	李素姝	江南大学数字媒体学院	2	6	1.0	2.0