-
基于自适应邻域互信息与谱聚类的特征选择
- 孙林,梁娜,徐久成
-
2022, 57(12):
13-24.
doi:10.6040/j.issn.1671-9352.7.2021.168
-
摘要
(
627 )
PDF (1214KB)
(
276
)
收藏
-
参考文献 |
相关文章 |
多维度评价
借鉴邻域粗糙集处理连续型数据的优势,为解决传统谱聚类算法需要人工选取参数的问题,提出基于自适应邻域互信息与谱聚类的特征选择算法。首先,定义各对象在属性下的标准差集合与自适应邻域集,给出自适应邻域熵、平均邻域熵、联合熵、邻域条件熵、邻域互信息等不确定性度量,利用自适应邻域互信息对特征与标签的相关性进行排序。然后,结合共享近邻自适应谱聚类算法,将相关性强的特征聚到同一特征簇内,使不同特征簇内的特征强相异。最后,使用最小冗余最大相关技术设计特征选择算法。在10个数据集上选择特征个数与分类精度的实验结果,验证了所提算法的有效性。