• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>PRICAI'98 : Topics in artificial intelligence >Hybrid Search of Feature Subsets
【24h】

Hybrid Search of Feature Subsets

机译：特征子集的混合搜索

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Feature selection is a search problem for an "optimal" subset of features. The class separability is normally used as one of the basic feature selection criteria. Instead of maximizing the class separability as in the literature, this work adopts a criterion aiming to maintain the discriminating power of the data. After examining the pros and cons of two existing algorithms for feature selection, we propose a hybrid algorithm of probabilistic and complete search that can take advantage of both algorithms. It begins by running LVF (probabilistic search) to reduce the number of features; then it runs "Automatic Branch & Bound (ABB)" (complete search). By imposing a limit on the amount of time this algorithm can run, we obtain an approximation algorithm. The empirical study suggests that dividing the time equally between the two phases yields nearly the best performance, and that the hybrid search algorithm substantially outperforms earlier methods in general.
机译：特征选择是针对“最佳”特征子集的搜索问题。类可分离性通常用作基本特征选择标准之一。与其像文献中那样使类的可分离性最大化，不如采用一种旨在维持数据区分能力的准则。在研究了两种现有的特征选择算法的利弊之后，我们提出了一种概率和完全搜索的混合算法，可以利用这两种算法。首先运行LVF（概率搜索）以减少功能部件的数量。然后运行“自动分支和边界（ABB）”（完整搜索）。通过对该算法可以运行的时间施加限制，我们获得了一种近似算法。经验研究表明，在两个阶段之间平均分配时间会产生最佳性能，并且混合搜索算法总体上比早期方法要好。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号