一种双重过滤式特征选择算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (19): 190-193.

• 图形、图像、模式识别 • 上一篇下一篇

一种双重过滤式特征选择算法

计智伟1，胡珉2

1.浙江林学院信息工程学院，浙江临安 311300
2.上海大学悉尼工商学院，上海 200072

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-07-01 发布日期:2011-07-01

New feature selection algorithm based on two-phase filter

JI Zhiwei1，HU Min2

1.School of Information Engineering，Zhejiang Forestry University，Lin’an，Zhejiang 311300，China
2.School of Sydney Institute of Language & Commerce，Shanghai University，Shanghai 200072，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-07-01 Published:2011-07-01

摘要/Abstract

摘要： 特征选择是模式识别和机器学习领域的重要问题。针对目前Filter和Wrapper方法，以及传统二阶段组合式方法存在的缺陷，提出了一种双重过滤式特征选择方法FSTPF，并在三个国际公认数据集和一个盾构隧道施工实时数据集上进行了验证测试。实验结果表明，FSTPF算法降维效果好，且获得的优化特征子集的分类准确率得到了提高。

关键词: 特征选择, 免疫, 克隆选择算法, 过滤

Abstract: Feature selection is an important problem in the pattern recognition and machine learning areas.Aimed at the question that there are some shortcomings in the actual Filter，Wrapper and tradictional two-phase combined methods，this paper proposes a Feature Selection algorithm based on Two-Phase Filter（FSTPF），and it is used to test in three international accepted datasets and a shield tunneling construncting real-time dataset.The emulational experiment shows that FSTPF can get good effect of reducting dimension and improve the classification accuracy of best feature subset.

Key words: feature selection, immune, clone selection alogrithm, filter

计智伟1，胡珉2. 一种双重过滤式特征选择算法[J]. 计算机工程与应用, 2011, 47(19): 190-193.

JI Zhiwei1，HU Min2. New feature selection algorithm based on two-phase filter[J]. Computer Engineering and Applications, 2011, 47(19): 190-193.

[1]	张岐山，陈露露. 基于均衡接近度灰关联的Slope One算法[J]. 计算机工程与应用, 2021, 57(9): 96-102.
[2]	王永贵，李倩玉. 基于KNN-GBDT的混合协同过滤推荐算法[J]. 计算机工程与应用, 2021, 57(9): 103-108.
[3]	李莉，纪欣沅，宋嵩. 回环软件缺陷数量预测模型[J]. 计算机工程与应用, 2021, 57(7): 158-163.
[4]	李静星，杨有龙. 针对高维数据的马尔科夫毯特征选择[J]. 计算机工程与应用, 2021, 57(6): 58-66.
[5]	明建华，胡创，周建政，姚金良. 针对直播弹幕的TextCNN过滤模型[J]. 计算机工程与应用, 2021, 57(3): 162-167.
[6]	田维安，陈红梅，周丽华. 基于相似用户好奇心的多样性推荐方法[J]. 计算机工程与应用, 2021, 57(23): 113-121.
[7]	林炜星，王宇嘉，陈万芬，梁海娜. 基于多因子粒子群的高维数据特征选择算法[J]. 计算机工程与应用, 2021, 57(22): 199-207.
[8]	李珑珠，林耀进，吕彦，卢舜，王晨曦. 利用邻域信息交互的在线流特征选择算法[J]. 计算机工程与应用, 2021, 57(21): 102-108.
[9]	吴昊，徐行健，孟繁军. 课程资源的融合知识图谱多任务特征推荐算法[J]. 计算机工程与应用, 2021, 57(21): 132-139.
[10]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[11]	王永，赵旭辉，李晓光，肖玲. 一种面向协同过滤的快速最近邻居搜索方法[J]. 计算机工程与应用, 2021, 57(17): 96-105.
[12]	武炜杰，张景祥. 融合分类信息的随机森林特征选择算法及应用[J]. 计算机工程与应用, 2021, 57(17): 147-156.
[13]	杨信民，董红斌，谭成予，周雯. 采用奇异值分解和信息增益的树突状细胞模型[J]. 计算机工程与应用, 2021, 57(15): 156-162.
[14]	邱云飞，高华聪. 混合Filter与改进自适应GA的特征选择方法[J]. 计算机工程与应用, 2021, 57(11): 95-102.
[15]	郑诚，王建. 联合注意力和自编码器的协同过滤推荐[J]. 计算机工程与应用, 2021, 57(10): 139-145.

一种双重过滤式特征选择算法

New feature selection algorithm based on two-phase filter

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics