模式识别与人工智能
2025年4月4日 星期五   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2013, Vol. 26 Issue (1): 106-113    DOI:
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
一种基于稀疏表示系数的特征相关性测度
耿耀君,张军英,袁细国
西安电子科技大学计算机学院西安710071
A Feature Relevance Measure Based on Sparse Representation Coefficient
GENG Yao-Jun,ZHANG Jun-Ying,YUAN Xi-Guo
School of Computer Science and Technology,Xidian University,Xian 710071

全文: PDF (498 KB)   HTML (0 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 目前特征选择方法中常用的特征相关性测度可有效评估两个特征之间的相关性,但却将特征孤立看待,没有考虑其它特征对它们相关性的影响。文中在整体考虑特征之间关系的前提下,提出用稀疏表示系数评估特征的相关性,它与现有特征相关性测度的不同之处在于可揭示特征在其它所有特征影响下与目标的相关性,反映特征间的相互影响。为验证稀疏表示系数评估特征相关性的有效性,在典型的高维小样本数据上,比较了Relief F方法及分别以稀疏表示系数、对称不确定性和皮尔森相关系数为相关性测度的特征选择方法选择的特征集的分类能力。实验结果表明文中方法选择的特征集的分类能力高且较稳定。
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
耿耀君
张军英
袁细国
关键词 特征相关性测度特征选择稀疏表示    
Abstract:The feature relevance measures employed by current feature selection methods can effectively evaluate the relevance between two features,but they do not consider the influence of the other features on them. On the premise of considering feature interaction overall,sparse representation coefficient is proposed as a feature relevance measure. The difference between the proposed method and the existing relevance measures is that it reveals the relevance between feature and target under the influence of the other features,which reflects feature interaction. In order to verify the effectiveness of sparse representation coefficient to measure relevance of feature,the classification performance is compared among feature subsets selected by Relief F and the feature selection methods using sparse coefficient,symmetrical uncertainty and Pearson correlation coefficient as relevance measures respectively. The experimental results show that the classification performance of the features selected by the proposed method is higher and more stable.
Key wordsFeature Relevance Measure    Feature Selection    Sparse Representation 1   
收稿日期: 2011-11-09     
ZTFLH: TP391  
基金资助:国家自然科学基金重点项目(No.60933009)、国家自然科学基金项目(No.61070137)、陕西省科技攻关项目(No.2009K01-56)资助
作者简介: 耿耀君,男,1982年生,博士研究生,主要研究方向为生物信息学。E-mail:gengyaojun@gmail。com。张军英(通讯作者),女,1961年生,教授,博士生导师,主要研究方向为生物信息学、模式识别。E-mail:jyzhang@mail。xidian。edu。cn。袁细国,男,1983年生,博士,讲师,主要研究方向为生物信息学。
引用本文:   
耿耀君,张军英,袁细国. 一种基于稀疏表示系数的特征相关性测度[J]. 模式识别与人工智能, 2013, 26(1): 106-113. GENG Yao-Jun,ZHANG Jun-Ying,YUAN Xi-Guo. A Feature Relevance Measure Based on Sparse Representation Coefficient. , 2013, 26(1): 106-113.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2013/V26/I1/106
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn