互信息集成学习特征选择

为改善单独的过滤式特征选择算法的不稳定性,提出PMAFS集成特征选择算法。使用3种分类器在5个数据集上与三个算法进行了比较研究。结果表明,PMAFS在大多数情况优于其他算法。

动态权重最大相关最小冗余算法

为解决特征选择中分辨特征之间的依赖和冗余问题,采用动态权重最大相关最小冗余算法(DWMRMR),在5个公共数据集上进行了验证以及算法比较。

近似马尔科夫毯混合式特征选择

基于Filter-Wrapper模型混合式特征选择,先利用近似马尔科夫毯删除冗余和不相关的特征,再用SBS算法对过滤后的特征集进行选择,筛选出最佳特征子集。在2个不同的分类器和4个公开数据集上与两种特征选择算法做了对比试验。