计算机应用

作者：雍菊亚, 周忠眉

单位：1. 闽南师范大学 计算机学院, 福建 漳州 363000;2. 数据科学与智能应用福建省高等学校重点实验室, 福建 漳州 363000

关键词：特征选择,互信息,多级,相关度,冗余度,分类准确率

基金：福建省自然科学基金资助项目（2018J01545）。

针对在特征选择中选取特征较多时造成的去冗余过程很复杂的问题，以及一些特征需与其他特征组合后才会与标签有较强相关度的问题，提出了一种基于互信息的多级特征选择算法（MI_MLFS）。首先，根据特征与标签的相关度，将特征分为强相关、次强相关和其他特征；其次，选取强相关特征后，在次强相关特征中，选取冗余度较低的特征；最后，选取能增强已选特征集合与标签相关度的特征。在15组数据集上，将MI_MLFS与ReliefF、最大相关最小冗余（mRMR）算法、基于联合互信息（JMI）算法、条件互信息最大化准则（CMIM）算法和双输入对称关联（DISR）算法进行对比实验，结果表明MI_MLFS在支持向量机（SVM）和分类回归树（CART）分类器上分别有13组和11组数据集获得了最高的分类准确率。相较多种经典特征选择方法，MI_MLFS算法有更好的分类性能。

来源：2020年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第12期