基于ReliefF算法和粗糙集的特征选择.pdfVIP

  1. 1、本文档共64页,其中可免费阅读23页,需付费100金币后方可阅读剩余内容。
  2. 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
  3. 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
  4. 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于ReliefF算法和粗糙集的特征选择是一种重要的数据预处理技术,其优点是可以提升分类器的运行效率增加分类精确度以及减少特征的数量然而,这种方法存在一定的缺点,即在不平衡数据集上表现不佳为了克服这些缺点,我们提出了一种基于分层抽样的reliefF算法,并尝试了基于分层抽样的粗糙集和互信息的特征选择方法实验结果显示,这两种方法都能有效地筛选出分类参数较少的特征子集,并提高分类精度总的来说,基于ReliefF算法和粗糙集的特征选择方法具有较好的应用前景

摘要

摘要

信息量呈现爆炸式增长的大数据和互联网飞速发展时代,分类问题在数据挖

掘、模式识别等研究领域中受到广泛关注。特征选择作为数据预处理中不可或缺的

重要步骤,通过剔除冗余和不相关的特征,从而达到提升分类器运行效率、增加分

类精确度、减少特征的目的。但事实证明,寻找最优特征子集是一个NP问题,除

穷举有哪些信誉好的足球投注网站外都不能保证得到最优解,因此常用启发式算法寻找次优解。ReliefF算

法是一种过滤式特征选择算法,

您可能关注的文档

文档评论(0)

136****6583 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:7043055023000005

1亿VIP精品文档

相关文档