基于归一化互信息的FCBF特征选择算法

• 全文链接
• 请求原文

作   者：

段宏湘;  张秋余;  张墨逸; 

作者机构：

兰州理工大学计算机与通信学院; 

关键词：

高维数据;  归一化互信息;  特征选择;  相关性快速过滤特征选择(FCBF);  分类; 

期刊名称：

华中科技大学学报(自然科学版)

基金项目：

移动计算环境下语音感知哈希认证技术及安全性研究

i s s n：

1671-4512

年卷期：

2017 年 45 卷 01 期

页   码：

52-56

摘   要：

针对高维数据中不相关特征、冗余特征等导致的分类任务计算量大、分类正确率低等问题,提出了一种基于归一化互信息的相关性快速过滤特征选择(FCBF-NMI)算法.该算法采用归一化互信息代替对称不确定性作为FCBF算法的相关性评价标准,进行特征与类别、特征与特征的相关性分析,删除不相关特征及冗余特征以获得最优特征子集.实验结果表明:FCBF-NMI算法得到的最优特征子集更合理,平均分类正确率为89.68%,所用时间平均低至2.64s.