| 基于概率密度距离的无监督特征选择方法 |
| |
| 引用本文： | 任珂,蔡明,李亚平.基于概率密度距离的无监督特征选择方法[J].计算机工程与设计,2007,28(19):4734-4737. |
| |
| 作者姓名： | 任珂 蔡明 李亚平 |
| |
| 作者单位： | 江南大学,通信与控制工程学院,江苏,无锡,214122 |
| |
| 摘 要： | 在模式识别和数据分析中,经常会遇到数据特征的高维问题.为了有效地进行数据分析,特征维数的削减或特征降维就显得异常重要.针对特征选择这一问题,依据概率密度距离准则,提出一个新的无监督特征排序方法.基于交叉验证的实验结果表明,该方法与现有的方法相比更为有效.
|
| 关 键 词： | 特征排序 特征选择 概率密度距离 Parzon窗口概率密度估计 降维 基于概率 度距离 监督特征 选择方法 interval probability density based approach ranking 结果 实验 交叉验证 排序方法 距离准则 概率密度 特征选择 异常 特征降维 特征维数 问题 |
| 文章编号： | 1000-7024（2007）19-4734-04 |
| 修稿时间： | 2007-01-08 |
Unsupervised feature ranking approach based on probability density interval |
| |
| REN Ke,CAI Ming,LI Ya-ping.Unsupervised feature ranking approach based on probability density interval[J].Computer Engineering and Design,2007,28(19):4734-4737. |
| |
| Authors: | REN Ke CAI Ming LI Ya-ping |
| |
| Affiliation: | School of Communication and Control, Southern Yangtze University, Wuxi 214122, China |
| |
| Abstract: | High dimensional datasets often exist in pattern recognition and data analysis.In order to effectively analyze these datasets,reducing their dimensional members is a pivotal step.Based on probability density interval,a novel unsupervised feature ranking approach is proposed.Several cross-validation experimental results demonstrate the advantage of our approach here over others. |
| |
| Keywords: | f:eature ranking feature selection probability density interval Parzen probability density estimation dimensionality reduction |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
