科研之友
微信
新浪微博
Facebook
分享链接
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,FUZZYLLM）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。
- 出版日期2017
- 单位江南大学
