共查询到20条相似文献,搜索用时 62 毫秒
1.
《计算机科学与探索》2017,(12):1993-2003
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。 相似文献
2.
模糊粗糙神经网络特征选择方法研究 总被引:1,自引:0,他引:1
实际采集的数据中往往存在模糊不确定性和粗糙不确定性,为全面度量数据的不确定性,引入了模糊粗糙集中的模糊粗糙隶属函数概念,并结合容错能力较强的神经网络设计了一种新的模糊粗糙神经网络.该网络不仅训练速度快,且具有较好的分类效果.利用该网络设计了一种新的特征选择算法,根据精度下降指标对输入节点进行结构修剪,实现最优特征子集的搜索.通过UCI数据集实验,并与RBF网络选择结果进行比较,表明该算法具有精度高、速度快、泛化性能好等优点,是有效的. 相似文献
3.
模糊特征选择新算法:Ⅱ* 总被引:3,自引:0,他引:3
用模糊似然函数计算类内及类间距离,得到任意特征子集的模糊特征特征选择系数,用于特征子集的选择,从而得出最能区分和表征模式类的特征子集。举例说明了该方法的具体用法,表明具有好的实用性。 相似文献
4.
5.
工程项目管理中项目工期的确定包括许多不确定因素,传统的网络计划方法不能解决此类不确定问题,基于模糊集合理论对工程项目工期的不确定性进行了分析论证,将三角模糊数引入到项目工期分析中,给出了工期的隶属度函数。建立一个基于遗传算法的工期一成本综合模糊优化模型,将模糊理论和遗传算法结合起来,提出一种模糊网络计划的工期一成本问题的优化方法。实验结果表明,该方法对模糊网络计划的工期一成本的优化有一定的灵活性和适应性。 相似文献
6.
7.
基于模糊聚类分析的模糊神经网络结构的优化 总被引:3,自引:0,他引:3
该文讨论了模糊聚类分析在模糊神经网络结构的确定中的应用。通过将模糊C-均值算法、有效性函数和模糊指数相结合,给出了模糊神经网络结构确定的方法,并且给出了应用该算法具体的模糊神经网络模型。 相似文献
8.
9.
10.
11.
A. Hunter 《Neural computing & applications》2000,9(2):124-132
Selection of input variables (features) is a key stage in building predictive models. As exhaustive evaluation of potential
feature sets using full non-linear models is impractical, it is common practice to use simple fast-evaluating models and heuristic
selection strategies. This paper discusses a fast, efficient, and powerful non-linear input selection procedure using a combination
of probabilistic neural networks and repeated bitwise gradient descent with resampling. The algorithm is compared with forward
selection, backward selection and genetic algorithms using a selection of real-world data sets. The algorithm has comparative
performance and greatly reduced execution time with respect to these alternative approaches. 相似文献
12.
13.
14.
孙宁青 《计算机工程与科学》2010,32(6):37-39
本文提出了一种新型的基于CFS特征选择和神经网络的高效入侵检测模型。通过使用该模型对经过特征提取后的攻击数据的训练学习,可以有效地识别各种入侵。在经典的KDD Cup 1999入侵检测数据集上的测试说明,该模型能够高效地对攻击模式进行训练学习,从而正确有效地检测网络攻击。 相似文献
15.
16.
在高维小样本数据的特征选择中,样本的变化会导致最终选出的特征呈现不稳定的特点。针对这种情况,提出了一种新的特征选择算法。首先通过计算特征间的互信息以确定特征关联性的强弱,依据将特征间的关联性强弱将特征分为不同的组,待分组完成后,使用粒子群算法对特征进行选择,并对少部分粒子进行随机扰动,避免粒子陷入局部最优。选择完成后的特征进行集成,得到最终特征子集。结合5个公开数据集进行实验,该算法的特征维度平均降低77.5%。与现有的方法比较,得到的结果在稳定性方面平均提高了4.0%。 相似文献
17.
18.
基于特征选择的字符识别 总被引:4,自引:1,他引:4
特征选择问题是机器学习和模式识别中的一个重要问题。其本质上是一个多因素优化问题。该文将试验设计与多因素优化问题联系起来,利用正交试验设计的统计特性,从特征集中筛选有效鉴别特征子集。在南京理工大学NUST603HW手写汉字库以及Concordia大学的CENPARMI手写体阿拉伯数字数据库上的试验结果表明,所提出的特征选择方法不仅提高了识别率,而且识别结果十分稳定。 相似文献
19.
特征选择方法可以从成千上万个特征中选择合适的少量特征,使模型更加有效、高效。本文考虑到真实场景下高维数据集中特征之间互相关联以及使用复杂网络结构描述特征空间的全局性与合理性,提出无监督场景下的基于复杂网络节点度中心性的特征选择方法。根据特征间的相关性大小,设定阈值选择保留符合要求的关联;再利用保留的关联生成以特征为节点的无向无权重网络结构;最后以衡量节点度中心性的方法筛选此网络中影响力最大的节点集,亦即最优特征子集。本文方法为处理特征重要性及特征冗余增加了灵活性。采用对比实验,将本文方法与常用特征选择或特征提取方法在多个高维数据集上进行性能比较。实验分析结果表明此方法的有效性以及普适性。 相似文献