模式分類中特征選擇算法的研究.pdf

1、科技的迅猛發(fā)展使得我們獲得信息量爆炸式增長，如何從這些信息中的得到有價值的數(shù)據(jù)，模式分類等人工智能的科學應(yīng)運而生并且逐漸成為研究熱點之一。模式分類系統(tǒng)為了最大獲得某些事物的特征等相關(guān)的信息，將通過以下四個步驟，分別是獲取某事物的特征數(shù)據(jù)，對數(shù)據(jù)進行預(yù)處理，再接著通過特征選擇，最后是對特征數(shù)據(jù)進行特征評估。經(jīng)過這四個步驟后將能獲取某具體事物的正確分類。然而數(shù)據(jù)的維度越來越高將會造成維數(shù)災(zāi)難，無關(guān)和冗余特征較多等特點的出現(xiàn)迫切使得研究人員需

2、要在傳統(tǒng)的算法上進行優(yōu)化和創(chuàng)新，使得新的算法在通用性上更強并且在運行效率上更高，而對于模式分類系統(tǒng)中非常的重要的特征選擇環(huán)節(jié)是我們得到優(yōu)良分類器的重要前提。
　　本文首先介紹了特征選擇的理論基礎(chǔ)和特征選擇算法的分類，概述了國內(nèi)外特征選擇算法的研究現(xiàn)狀，在ReliefF算法和主成分分析算法的基礎(chǔ)上進行了優(yōu)化和創(chuàng)新，即基于ReliefF優(yōu)化的核主成成分析的二次特征選擇法。本文首先驗證了基于PCA的ReliefF方法比單純的Relief