计算机应用

作者：曾元鹏, 王开军, 林崧

单位：1. 福建师范大学 数学与信息学院, 福州 350007;2. 福建师范大学 数字福建环境监测物联网实验室, 福州 350007

关键词：特征选择,二类区分能力,条件概率,干扰熵

基金：国家自然科学基金资助项目（61672157，61772134）；福建省自然科学基金资助项目（2018J01778）；中国博士后科学基金资助项目（2016M600494）。

针对现有的特征选择方法对衡量不同类别数据重叠/分离能力的不足，提出了一种用于评价特征的二类区分能力的干扰熵方法（IET-CD）。对于包含两个类别（正类和负类）样本的特征，首先，计算正类数据范围内的负类样本的混合条件概率，以及负类样本归属于正类的概率；然后，由混合条件概率和归属概率计算混淆概率，再利用混淆概率计算正类干扰熵，同理，计算负类干扰熵；最后，将正、负类干扰熵之和作为该特征的二类干扰熵。干扰熵用于评价特征对二类样本的区分能力，该特征的干扰熵值小，表明该特征的二类区分能力强，反之则弱。在3个UCI数据集和1个模拟基因表达数据集上，每个方法挑选出5个最优特征，并对比了这些特征的二类区分能力，由此比较这些方法的性能。实验结果表明：所提方法与NEFS方法相比，二类区分能力相当或更好；与单索引近邻熵特征选择（SNEFS）方法、相关性最大冗余性最小特征选择（MRMR）算法、联合互信息（JMI）方法、Relief方法相比，绝大多数情况都是所提方法获胜。IET-CD方法能有效地选择二类区分能力更好的特征。

来源：2020年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第3期