| 基于互信息的弱随机特征子空间生成算法 |
| |
| 引用本文： | 黄丹,李志亮.基于互信息的弱随机特征子空间生成算法[J].南阳理工学院学报,2012(2):24-29. |
| |
| 作者姓名： | 黄丹 李志亮 |
| |
| 作者单位： | 南京财经大学国际经济与贸易学院;南京师范大学计算机科学与技术学院 |
| |
| 摘 要： | 集成算法是机器学习领域的研究热点。随机子空间算法是集成算法的一个主要算法。随机子空间生成的特征子集可能含有冗余特征、甚至噪声特征，影响算法的分类精度。为此，本文提出了一种基于互信息的弱随机特征子空间生成算法（WRSMI），有效去除了特征子集中的冗余特征和噪声特征。在UCI数据集上的实验结果表明，WRSMI的分类性能优于随机子空间算法。
|
| 关 键 词： | 集成学习 随机子空间 互信息 分类性能 特征子集 |
WEAK RANDOM SUBSPACE BASED ON MUTUAL INFORMATION |
| |
| HUANG Dan,LI Zhi-liang.WEAK RANDOM SUBSPACE BASED ON MUTUAL INFORMATION[J].Journal of Nanyang Institute of Technology,2012(2):24-29. |
| |
| Authors: | HUANG Dan LI Zhi-liang |
| |
| Institution: | 1.School of International Economics and Business,Nanjing University of Finance and Economics,Nanjing 210046,China;2.School of Computer Science and Technology,Nanjing Normal University,Nanjing 210046,China) |
| |
| Abstract: | The ensemble algorithm is a hot research field of machine learning. Random subspace algorithm is a main algorithm of ensemble algorithm. Feature subset generated by random subspace may contain redundant feature and even noise feature, affecting the classification accuracy. Therefore, in this paper, weak random subspace based on mutual information （WRSMI） algorithm is introduced. WRSMI effectively eliminates the redundancy and noise feature of feature subspace. The experimental results on UCI datasets show that, WRSMI classification performance is better than random subspace algorithm. |
| |
| Keywords: | ensemble learning random subspace mutual information classification performance feature subset |
| 本文献已被 CNKI 维普 等数据库收录！ |
