|
|||||
|
|
| 基于监督保局子空间虚假近邻准则的原始特征选择 | |
| 引用本文： | 辜小花,李太福,杨利平,易军,周伟.基于监督保局子空间虚假近邻准则的原始特征选择[J].光学精密工程,2014,22(7):1921. |
| 作者姓名： | 辜小花 李太福 杨利平 易军 周伟 |
| 作者单位： | 辜小花:重庆科技学院 电气与信息工程学院, 重庆 401331 李太福:重庆科技学院 电气与信息工程学院, 重庆 401331 杨利平:重庆大学 光电技术及系统教育部重点实验室, 重庆 400044 易军:重庆科技学院 电气与信息工程学院, 重庆 401331 周伟:重庆科技学院 电气与信息工程学院, 重庆 401331 |
| 基金项目： | 国家自然科学基金面上项目(No.51374268);重庆市教委科学技术研究项目(No.KJ121402; KJ1401309); 重庆市基础与前沿研究计划资助项目(No.cstc2013jcyA4004); 重庆科技学院校内科研基金资助项目(No.CK2011B06,No.CK2013z11);重庆市科技人才培养计划资助项目(No.cstc2013kjrc-qnrc40008) |
| 摘 要： | 提出一种基于监督保局投影(SLPP)与虚假最近邻(FNN)准则的原始特征选择方法。该方法首先将非线性原始数据映射到监督保局子空间,消除样本数据输入变量之间的相关性;然后,利用虚假近邻点方法计算剔除每个原始特征前后输入样本在监督保局子空间里的相似性测度,获得每个原始特征对类别变量不同程度的解释力;最后,从全特征开始逐步剔除解释能力弱的特征进而获得多组特征子集,并建立最近邻分类器,识别率最高且含特征数最少的特征子集即为最优特征子集。采用合成数据对该方法进行了仿真验证,结果表明,该方法可获得与数据集本质分类特征吻合的最佳特征子集。将该方法应用于选择真实的低阻油气层特征,获得的最佳特征子集比全特征集合的特征数量减少了50%以上,分类识别率高出8%。结果显示该方法具有优秀的原始特征选择能力,是一种有效的非线性特征选择方法。 |
| 关 键 词： | 监督保局投影 虚假近邻点 特征选择 模式分类 低阻油气层识别 |
| 收稿时间： | 2013/9/9 |
Original feature selection based on false nearest neighbor criterion in supervised locality preserving subspace |
|
| Abstract: | |
| Keywords: | Supervised Locality Preserving Projection(SLPP) False Nearest Neighbor(FNN) feature selection pattern classification low resistivity hydrocarbon reservoir recognition |
| 本文献已被 CNKI 等数据库收录！ | |