针对高维数据集,文中提出一种PREP(PCA-Relief F for EP)算法:首先采用PCA和Relief F算法实现特征降维;然后利用EP模式思想,构造精度更高、规模更小的EP模式分类器;最后利用标准数据集对文中的方法进行测试。实验结果表明,在对高维数据...针对高维数据集,文中提出一种PREP(PCA-Relief F for EP)算法:首先采用PCA和Relief F算法实现特征降维;然后利用EP模式思想,构造精度更高、规模更小的EP模式分类器;最后利用标准数据集对文中的方法进行测试。实验结果表明,在对高维数据进行分类时,该方法构造的分类器在预测精度和运行时间上均有较大幅度的提升。展开更多
文摘针对高维数据集,文中提出一种PREP(PCA-Relief F for EP)算法:首先采用PCA和Relief F算法实现特征降维;然后利用EP模式思想,构造精度更高、规模更小的EP模式分类器;最后利用标准数据集对文中的方法进行测试。实验结果表明,在对高维数据进行分类时,该方法构造的分类器在预测精度和运行时间上均有较大幅度的提升。