Scidown文献预览系统!
基于自适应加权核密度估计的最大独立比和最小冗余比特征选择( Feature selection via max-independent ratio and min-redundant ratio based on adaptive weighted kernel density estimation )
J Dai Y Liu J Chen
根据是否与核密度估计(KDE)有关,基于熵结构的特征选择大致可分为两类。第一类是基于非KDE熵的特征选择。第二类是基于KDE熵的特征选择。与第一类相比,第二类在处理连续数据时避免了离散化,获得了更准确的互信息。然而,现有的基于KDE熵的特征选择方法忽略了含有噪声的样本对KDE的负面影响这一事实。此外,特征评价函数不能有效地评价特征的相关性和冗余性。在此基础上,提出了一种基于自适应加权核密度估计的最大独立分类信息比和最小冗余分类信息比的特征选择方法。首先设计了自适应加权核密度估计模型。其次,利用自适应加权核密度估计模型定义了熵结构,并探讨了它们的理论性质。再次,从自适应加权核密度估计的角度出发,设计了一种独立分类信息比最大化和冗余分类信息比最小化的特征选择算法。最后进行了综合实验。实验结果表明,与其他典型特征选择方法相比,该方法具有一定的鲁棒性、有效性和优越性。
『Sci-Hub|Scidown』怎么用?来看看教程吧!

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献(暂时关闭)


安卓手机、电脑用户,您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!(注意是文献的DOI号)


苹果手机用户,您需要先在App Store里搜索并下载 Documents by Readdle 这个APP,在APP首页,左划右下角的指南针图标打开APP内置浏览器,在浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!


如出现BUG?赶快加入【Scidown互助交流群】反馈吧:729083885【点击一键加群】