基于信息增益的最优组合因子Fisher判别法

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (19): 94-96.

基于信息增益的最优组合因子Fisher判别法

毛临川，吴根秀，吴恒，黄梅

江西师范大学数学与信息科学学院，南昌 330022

出版日期:2016-10-01 发布日期:2016-11-18

Optimal combination of factor Fisher discrimination method based on information gain

MAO Linchuan, WU Genxiu, WU Heng, HUANG Mei

School of Mathematics and Information Science, Jiangxi Normal University, Nanchang 330022, China

Online:2016-10-01 Published:2016-11-18

摘要/Abstract

摘要： 线性判别分类器是一种有效的模式分析技术，其中以Fisher判别法准则应用最广，目前已有多种改进线性提取方法。引进信息增益，建立基于信息增益的最优组合因子判别分类器，实现最优组合因子判别分类器的优化。实验结果表明优化后的分类器有效剔除了冗余因子，具有良好的分类准确率。

关键词: 信息增益, 最优组合因子, 回代率

Abstract: Linear discriminant classifier is an effective model analysis technology, among them with Fisher discriminant criterion, the most widely used, there are many kinds of improved linear extraction method. This paper introduces the information gain, to establish the optimal combination of the factors based on the information gain discriminant classifier, quickly chooses the optimal discriminant classifier combination factor. Experiments show that the rapid selected classifier eliminates the redundancy factor effectively, and has good classification accuracy.

Key words: information gain, optimal combination factor, back substitution rate

毛临川，吴根秀，吴恒，黄梅. 基于信息增益的最优组合因子Fisher判别法[J]. 计算机工程与应用, 2016, 52(19): 94-96.

MAO Linchuan, WU Genxiu, WU Heng, HUANG Mei. Optimal combination of factor Fisher discrimination method based on information gain[J]. Computer Engineering and Applications, 2016, 52(19): 94-96.

[1]	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.
[2]	谭正华，戴立平，文阳，李国泰. 基于约简属性和阈值分割的决策树构建方法[J]. 计算机工程与应用, 2020, 56(22): 160-165.
[3]	刘海峰，刘守生，宋阿羚. 基于词频分布信息的优化IG特征选择方法[J]. 计算机工程与应用, 2017, 53(4): 113-117.
[4]	韩军兵，哈力旦·阿布都热依木，古力努尔·艾尔肯，何燕. 改进信息增益的维吾尔文特征选择方法[J]. 计算机工程与应用, 2017, 53(23): 34-38.
[5]	贾娴1，2，刘培玉1，2，公伟1，2. 基于改进属性加权的朴素贝叶斯入侵取证研究[J]. 计算机工程与应用, 2013, 49(7): 81-84.
[6]	周剑峰1，阳爱民2，刘吉财2. 基于改进的C4.5算法的网络流量分类方法[J]. 计算机工程与应用, 2012, 48(5): 71-74.
[7]	翟军昌1，秦玉平1，车伟伟2. 应用特征词分类贡献的垃圾邮件过滤研究[J]. 计算机工程与应用, 2012, 48(34): 116-119.
[8]	闫巧1，冷成朝2. 基于信息增益的混合垃圾邮件特征选择方法[J]. 计算机工程与应用, 2012, 48(27): 90-93.
[9]	郭亚维，刘晓霞. 文本分类中信息增益特征选择方法的研究[J]. 计算机工程与应用, 2012, 48(27): 119-122.
[10]	李剑，尚赵伟，张凌峰. 特征加权最小最大概率机[J]. 计算机工程与应用, 2012, 48(11): 102-106.
[11]	刘一鸣，张化祥. 引入信息增益的层次聚类算法[J]. 计算机工程与应用, 2012, 48(1): 142-144.
[12]	刘庆和，梁正友. 一种基于信息增益的特征优化选择方法[J]. 计算机工程与应用, 2011, 47(12): 130-132.
[13]	董立岩，李真，周灵艳. 特定信息增益决策森林分类器研究[J]. 计算机工程与应用, 2010, 46(26): 111-113.
[14]	陶剑文^1,2,赵杰煜²,姚奇富¹. 信息增益区分频繁模式分类方法[J]. 计算机工程与应用, 2009, 45(7): 159-163.
[15]	黄秀丽，王蔚. 一种改进的文本分类特征选择方法[J]. 计算机工程与应用, 2009, 45(36): 129-130.