| 一种高效的基于排序的RBF神经网络属性选择方法 |
| |
| 引用本文： | 文专,王正欧. 一种高效的基于排序的RBF神经网络属性选择方法[J]. 计算机应用, 2003, 23(8): 34-36,40 |
| |
| 作者姓名： | 文专 王正欧 |
| |
| 作者单位： | 天津大学,系统工程研究所,天津,300072 |
| |
| 基金项目： | 国家自然科学基金项目 (6 0 2 750 2 0 ) |
| |
| 摘 要： | 高维数据包含的大量冗余给数据挖掘带来了困难。因此，对高维数据进行数据挖掘时，必须先对原始数据进行降维处理。文中提出一种基于数据属性重要性排序的神经网络属性选择方法。该方法只需对部分属性进行训练，即可进行降维。它克服了现有的神经网络降维方法必须对全部属性进行训练的弊端，大大提高了属性选择的效率。该方法先用输入输出关联法对数据属性进行重要性排序，然后按重要次序用RBF神经网络进行属性选择。仿真结果表明效果良好。
|
| 关 键 词： | 数据降维 属性重要性排序 输入输出关联法 RBF神经网络 属性选择 |
| 文章编号： | 1001-9081(2003)08-0034-03 |
An Efficient BRF Neural Network Attribute Selection Method Based on Data Attribute Important Ranking |
| |
| Abstract: | |
| |
| Keywords: | data dimensionality reduction attribute importance ranking input output correlation RBF neural networks attributes selection |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
