基于原型方法的特征選擇算法的研究.pdf

1、特征選擇是模式識別技術的關鍵技術環(huán)節(jié)之一。特征選擇按照和后續(xù)分類算法的結合方式可分為嵌入式、過濾式和封裝式。本文主要研究了單變量的過濾式特征選擇算法。
　　本文首先引用了M.Dash和H.Liu提出的特征選擇框架，這個框架指出一個特征選擇算法是由“特征子集生成”、“特征子集評價”、“停止條件”和“結果驗證”四個部分組成的?；谶@個框架，本文總結歸納了常用特征選擇算法的搜索策略和評價準則，并介紹了一些常用的特征選擇算法，同時分析了選

2、擇合適的特征選擇算法所需要考慮的因素。
　　由于模式識別、機器學習等問題的復雜性比較高，數(shù)據(jù)分布通常呈現(xiàn)多模態(tài)分布?；谶@個假設，本文提出了一個基于原型方法的特征排序模型。該模型選擇同原型內樣本距離小的特征。并結合半監(jiān)督學習問題的具體情況，提出了適用于半監(jiān)督特征選擇問題的Intra-Prototype Inter-Class Sepearability Ration(IPICSR)模型及其特征選擇算法IPICSR_FS。試驗結果表

3、明基于原型方法的IPICSR_FS算法選擇的特征有較強的鑒別能力，算法的魯棒性好。試驗取得較好的結果。
　　針對全監(jiān)督特征選擇問題的具體情況，在基于原型方法的思想指導下，本文詳細分析了IPICSR模型，并提出了用于解決全監(jiān)督特征選擇問題的Intra-Prototype Class Margin Sepearability Ration(IPCMSR)模型及其特征選擇算法。試驗結果顯示IPCMSR_FS選擇特征的能力明顯比其它四個特