文档名：基于SOFM神经网络的特征选择算法
针对目前基于粗糙集模型的特征选择算法无法直接应用于数值型数据、必须经过离散化过程而造成决策信息丢失的问题,提出了一种基于自组织神经网络(SOFM)的特征选择算法.该算法利用SOFM网络在学习过程中能使连接权向量空间分布密度与输入模式的概率密度分布相似的特性,通过SOFM神经网络的聚类,衡量属性与类别集合之间的相关性,后根据选择的属性评价度量(即:淘汰阈值),删除不相关或冗余的属性,以达到降维的目的.该算法可以使名义型和数值型数据统一在同一特征选择算法框架下进行评估.仿真实验和实际应用的结果表明,该算法性能优于目前主流的特征选择方法.
作者：赵正天 芮执元 段晓燕
作者单位：兰州理工大学计算机与通信学院,甘肃兰州730050;兰州理工大学电气工程与信息工程学院,甘肃兰州730050兰州理工大学计算机与通信学院,甘肃兰州730050;兰州理工大学机电工程学院,甘肃兰州730050兰州理工大学电气工程与信息工程学院,甘肃兰州730050;兰州理工大学甘肃省先进控制重点实验室,甘肃兰州730050
母体文献：第五届全国现代制造集成技术学术会议论文集
会议名称：第五届全国现代制造集成技术学术会议
会议时间：2018年11月17日
会议地点：上海
主办单位：《计算机集成制造系统》编辑部
语种：chi
分类号：
关键词：信息系统 特征选择 粗糙集模型 自组织神经网络
在线出版日期：2021年9月26日
基金项目：
相似文献
相关博文
- 文件大小:
- 240.08 KB
- 下载次数:
- 60
-
高速下载
|
|
