基于高维复杂数据的变量选择方法研究

针对目前大多数基于信息论的线性累加特征选择算法的缺点和不足,将类别变量的信息,引入到对待选特征与已选特征子集的冗余性度量之中,考虑到特征与类别变量之间的对称不确定度,提出了一种新的以信息论为基础的,基于最大相关最小冗余原则的过滤式特征选择方法,并在11个公开的标准数据集上进行了验证,通过与6种其他基于信息论的特征选择方法的结果进行对比,验证了所提出的算法的有效性。