期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于对称不确定性和Lasso的基因数据特征选择算法 被引量:2
1
作者 杨耀 李四海 《信息技术与信息化》 2022年第1期8-11,共4页
基于目前肿瘤基因表达谱数据在医学相关结合行业的广泛普及,运用特征选择算法对其处理成了如今大量学者们的重点研究方向。基于此,提出了一种FCBF-Lasso结合算法。首先,采用FCBF算法对各基因数据集进行特征选择,通过删除冗余的和不相关... 基于目前肿瘤基因表达谱数据在医学相关结合行业的广泛普及,运用特征选择算法对其处理成了如今大量学者们的重点研究方向。基于此,提出了一种FCBF-Lasso结合算法。首先,采用FCBF算法对各基因数据集进行特征选择,通过删除冗余的和不相关的特征,得到特征子集;然后,再利用Lasso方法对得到特征子集进行特征选择,进一步地删除冗余特征,得到对应基因数据集的最优特征子集。算法采用FCBF算法的对称不确定性和Lasso方法的最小残差平方和作为度量特征之间以及特征与类之间相关性的评价准则,在一定程度上克服了两种算法的缺点。在6个基因数据集上与其它3种经典的特征选择算法进行比较,结果表明算法在选择最少特征数的最优特征子集和分类精度方面具有很好的优势。 展开更多
关键词 对称不确定性 Lasso 基因数据 特征选择
在线阅读 下载PDF
一种新颖的基于混合不确定性的特征选择方法 被引量:2
2
作者 苏婷婷 胡明 赵佳 《长春工业大学学报》 CAS 2021年第2期147-152,共6页
基于混合不确定性的特征选择方法(简称SU-P方法),利用对称不确定性找出相关特征,并利用偏相关分析去除数据集中的冗余特征。将SU-P方法与其它传统算法进行了仿真对比。
关键词 特征选择 对称不确定性 偏相关分析
在线阅读 下载PDF
面向类不平衡网络流量的特征选择算法 被引量:7
3
作者 唐宏 刘丹 +2 位作者 姚立霜 王云锋 裴作飞 《电子与信息学报》 EI CSCD 北大核心 2021年第4期923-930,共8页
针对网络流量分类过程中出现的类不平衡问题,该文提出一种基于加权对称不确定性(WSU)和近似马尔科夫毯(AMB)的特征选择算法。首先,根据类别分布信息,定义了偏向于小类别的特征度量,使得与小类别具有强相关性的特征更容易被选择出来;其次... 针对网络流量分类过程中出现的类不平衡问题,该文提出一种基于加权对称不确定性(WSU)和近似马尔科夫毯(AMB)的特征选择算法。首先,根据类别分布信息,定义了偏向于小类别的特征度量,使得与小类别具有强相关性的特征更容易被选择出来;其次,充分考虑特征与类别间、特征与特征之间的相关性,利用加权对称不确定性和近似马尔科夫毯删除不相关特征及冗余特征;最后,利用基于相关性度量的特征评估函数以及序列搜索算法进一步降低特征维数,确定最优特征子集。实验表明,在保证算法整体分类精确率的前提下,算法能够有效提高小类别的分类性能。 展开更多
关键词 流量分类 特征选择 类不平衡 加权对称不确定性 近似马尔科夫毯
在线阅读 下载PDF
一种采用冗余性动态权重的特征选择算法 被引量:8
4
作者 肖利军 郭继昌 顾翔元 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2019年第5期155-161,共7页
由于候选特征与类标签间的相关性,候选特征、已选特征与类标签间的交互性以及特征间的冗余性是特征选择算法应考虑的重要因素,而一些基于互信息和三维互信息的特征选择算法没有同时考虑相关性、交互性和冗余性信息,这影响了它们的性能... 由于候选特征与类标签间的相关性,候选特征、已选特征与类标签间的交互性以及特征间的冗余性是特征选择算法应考虑的重要因素,而一些基于互信息和三维互信息的特征选择算法没有同时考虑相关性、交互性和冗余性信息,这影响了它们的性能。针对该问题,提出一种采用冗余性动态权重的特征选择算法,将对称不确定性和三路交互信息作为评价指标,采用一种动态更新特征权重的方法使目标函数在考虑相关性、交互性的基础上,同时考虑特征间的冗余性。在10种数据集上利用3种分类器与典型的基于互信息的特征选择算法做了对比实验,结果表明所提算法具有更好的特征选择性能。 展开更多
关键词 特征选择 冗余性 三路交互信息 对称不确定性 分类
在线阅读 下载PDF
基于决策树的电力系统实时动态安全评估方法研究 被引量:6
5
作者 蔡忠林 《能源与环保》 2021年第5期202-207,共6页
电力需求增长和电力市场管制的压力下,电力系统必须通过缩小运行安全裕度,以使其运行接近稳定极限,为系统实时安全指标提供充足的时间进行分析、决策和准确地实施补救控制,提出了一种对称不确定性(SU)算法和逻辑模型树(LMT)算法分别作... 电力需求增长和电力市场管制的压力下,电力系统必须通过缩小运行安全裕度,以使其运行接近稳定极限,为系统实时安全指标提供充足的时间进行分析、决策和准确地实施补救控制,提出了一种对称不确定性(SU)算法和逻辑模型树(LMT)算法分别作为特征选择的高级分类器和决策树分类器,该方法利用对称不确定性(SU)来降低基于决策树分类器的动态安全评估(DSA)工具中的数据冗余。结果表明,SU显著降低了DSA数据集的维数,对于改进的IEEE 30总线测试系统模型的DSA,SU算法可以减少30.76%的计算时间,而LMT算法的精度可以提高到100%,同时提高了决策树分类器的性能。基于SU的决策树分类器能够近实时地评估系统的动态安全性。该方法对电力系统实时保护和控制应用具有一定的参考价值。 展开更多
关键词 动态安全评估 决策树 高级特征选择 对称不确定性
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部