模式識別分類中特征約簡的方法研究.pdf

1、隨著科學(xué)技術(shù)，信息技術(shù)的進(jìn)步，大數(shù)據(jù)時(shí)代已經(jīng)來臨，在很多領(lǐng)域都存在維數(shù)災(zāi)難的問題，如何解決維數(shù)災(zāi)難問題是當(dāng)今科學(xué)界都在思考的問題，因此性能越突出的特征約簡算法成為研究的熱點(diǎn)問題，常應(yīng)用于醫(yī)學(xué)數(shù)據(jù)處理領(lǐng)域和生物數(shù)據(jù)處理領(lǐng)域，常用的特征約簡算法有特征選擇算法和特征提取算法，此兩種方法都可以很好的將特征屬性進(jìn)行“降維”處理。但是兩種方法都存在各自的優(yōu)點(diǎn)和缺點(diǎn)，如何利用它們兩者優(yōu)點(diǎn)摒棄缺點(diǎn)也為人們在特征約簡的過程中提供了非常好的研究思路與研究方

2、向？
　　本論文分別從特征選擇和特征提取的角度對特征屬性進(jìn)行約簡研究，分別通過三個(gè)特征約簡的算法對數(shù)據(jù)的特征屬性進(jìn)行約簡?，F(xiàn)階段特征特征選擇算法與分類算法是分別單獨(dú)設(shè)計(jì)的，兩種算法兼容性比較差。如何解決兼容性差的問題呢。設(shè)計(jì)出一種基于互信息與支持向量機(jī)器的特征約簡方法，合理的將互信息的相關(guān)知識與支持向量機(jī)的相關(guān)參數(shù)協(xié)調(diào)設(shè)計(jì)，該算法在將特征屬性進(jìn)行選擇、提取，將特征集合中的不相關(guān)項(xiàng)冗余項(xiàng)進(jìn)行剔除，將最有價(jià)值的特征屬性保留下來同時(shí)將后

3、續(xù)分類器的相關(guān)設(shè)計(jì)也同時(shí)進(jìn)行。應(yīng)用主成分分析進(jìn)行特征約簡雖然可以很大程度上進(jìn)行特征約簡，但是算法并沒有考慮到類別屬性對特征提取的影響。結(jié)合主成分分析和互信息的優(yōu)點(diǎn)提出新的特征提取算法，此算法可以將高維特征屬性進(jìn)行大比例的約簡，并能從中分析特征屬性的主要因素和最優(yōu)的分離平面。最后的一個(gè)算法對樣本的線性判別準(zhǔn)則與FISHER算法進(jìn)行不同角度的改進(jìn)，并提出一種新的特征約簡算法，此算法將依據(jù)樣本數(shù)據(jù)集中同類樣本數(shù)據(jù)的類內(nèi)散度及不相同類的樣本數(shù)據(jù)