最大相关与独立分类信息最大化特征选择算法

• 作者: 吴幸运 周传华 李鸣
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 特征选择 互信息 独立分类信息 最大最小准则 非线性评价
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 46-52
• 页数: 7页
• 分类号: TP301.6
• 字数: 5447字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2020.08.008

摘要

模式识别、自然语言处理和生物信息学等各领域的高维数据,存在着大量的无关和冗余特征,增加了数据分析时问题的复杂度,因此有必要通过特征选择来剔除无关和冗余特征.基于互信息的特征选择算法评价准则存在以下不足:评价标准单一,以最小化特征之间冗余性或最大化特征提供的新分类信息评价特征,选择出的特征不具有最佳的类辨别能力;基于累加求和的评价准则易过高估计特征的重要性.为此,提出一种基于最大相关性独立分类信息最大化(maximum relevance and independent classification information maximization,MRICIM)的特征选择算法.该算法以互信息评价特征与类别的相关性,采用独立分类信息综合衡量新分类信息和特征冗余,利用最大最小准则对特征的重要性进行非线性评价.在6个评测数据集上与4个具有代表性的特征选择算法进行比较,结果表明,MRICIM能够有效地提升分类准确率和F-measure.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周传华	安徽工业大学管理科学与工程学院	23	104	6.0	9.0
3	李鸣	安徽工业大学管理科学与工程学院	5	10	1.0	3.0
6	吴幸运	安徽工业大学管理科学与工程学院	2	0	0.0	0.0