一种改进的类别依赖型特征选择技术
贾沛
桑农
唐红卫
1.华中科技大学图像识别与人工智能研究所,图像信息处理与智能控制教育部重点实验室,武汉,4300742.华中科技大学图像识别与人工智能研究所,图像信息处理与智能控制教育部重点实验室,武汉,4300743.华中科技大学图像识别与人工智能研究所,图像信息处理与智能控制教育部重点实验室,武汉,430074
摘要：特征选择是模式识别领域的重要环节.本文提出了一种改进的类别依赖型特征选择技术,通过事先选定参数m,自动选择出在文中准则下各个类各自最能区别于其他类的kx维特征.将各类所选择特征的并集作为BP神经网络的输入结点,进而用待识别样本进行分类识别.实验结果说明,该类特征选择方法能够选择出对每一类而言最能区分于其他类的特征.与选择所有特征相比,用该法进行特征选择以后的BP神经网络分类识别有着较高的正确识别率.此外,本文还利用相关分析方法在预处理过程中剔除了线性相关的冗余特征.
关键词：特征选择分类识别BP神经网络
分类号：TP391.4(计算技术、计算机技术)
论文发表日期：2003-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 11-15 )
英文信息