...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Knowledge-Based Systems >Feature selection based on cluster and variability analyses for ordinal multi-class classification problems
【24h】

Feature selection based on cluster and variability analyses for ordinal multi-class classification problems

机译：基于聚类和变异性分析的有序多类分类问题的特征选择

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 an essential problem for pattern classification systems. This paper studies how to provide systems with the most characterizing features for ordinal multi-class classification task. The integration of cluster analyses and variability analyses advances a novel feature selection scheme with efficiency. The Huang-index method using fuzzy c-means is employed to enhance cluster validity and optimizes a consistent number of clusters among the features. A new entropy-based feature evaluation method is formulated for the authentication of relevant features. Then, multivariate statistical analyses are utilized to solve the redundancy between relevant features. Experimental results show that our new feature selection scheme sifts successfully a compact subset of characterizing features for classification problems with multiple classes.
机译：特征选择是模式分类系统的基本问题。本文研究如何为序数多类分类任务提供具有最特征的系统。聚类分析和变异性分析的集成有效地提出了一种新颖的特征选择方案。采用使用模糊c均值的Huang指数方法来增强聚类有效性，并在特征之间优化一致数目的聚类。提出了一种新的基于熵的特征评估方法，用于相关特征的认证。然后，利用多元统计分析来解决相关特征之间的冗余。实验结果表明，针对多种类别的分类问题，我们的新特征选择方案成功筛选出特征特征的紧凑子集。

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