混合數(shù)據(jù)的核密度估計(jì)熵與快速的貪心特征選擇算法.pdf_第1頁(yè)
已閱讀1頁(yè),還剩72頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、在海量數(shù)據(jù)的時(shí)代,特征選擇作為數(shù)據(jù)挖掘、模式識(shí)別、機(jī)器學(xué)習(xí)的關(guān)鍵步驟,在降低維度、提升算法速度與精確度等方面發(fā)揮著越來(lái)越重要的作用。信息論中熵和互信息等概念在特征選擇算法中占據(jù)重要的地位,具有無(wú)需先驗(yàn)知識(shí)檢測(cè)非線性關(guān)系、抗噪聲干擾等優(yōu)點(diǎn)。但傳統(tǒng)基于信息論的特征選擇方法主要針對(duì)離散特征,而現(xiàn)實(shí)世界存在著大量連續(xù)特征、混合特征的數(shù)據(jù)。離散化是一種常見(jiàn)的解決方法,即將連續(xù)特征轉(zhuǎn)換為離散特征,再間接地計(jì)算信息論中的概率值,這種方法可能導(dǎo)致原始信

2、息的損失。核密度估計(jì)(簡(jiǎn)寫(xiě)KDE)在統(tǒng)計(jì)學(xué)理論中用于對(duì)隨機(jī)變量的概率密度函數(shù)進(jìn)行無(wú)參估計(jì),部分研究者由此提出了基于KDE的條件熵,并應(yīng)用于特征選擇算法,實(shí)驗(yàn)結(jié)果證明這類方法具有較好的效果。但現(xiàn)有研究中,KDE熵公式較少且局限于連續(xù)特征,KDE熵計(jì)算用時(shí)較長(zhǎng)、效率較低,且在高維下更加嚴(yán)重。這些問(wèn)題導(dǎo)致基于KDE熵的特征選擇算法的種類較少、速度非常慢,難以被廣泛應(yīng)用。
  本研究主要內(nèi)容包括:⑴提出較完整的連續(xù)特征KDE熵,提出混合特

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論