基于多评价准则融合的特征选择方法

为降低特征维数并提高分类准确率,提出一种基于ReliefF算法、互信息和类可分性法的多评价准则融合特征选择方法。利用序关系分析法确定3种评价准则的重要性权值系数,按照多评价准则融合模型获得特征重要性排序,通过支持向量机分类器实现最终特征选择。通过3个UCI标准数据集进行仿真实验,实验结果表明,和单准则的特征选择方法相比,该方法在保证良好鲁棒性的基础上,能够有效降低特征维数,具有更高的分类准确率。