基于偏最小二乘回歸的魯棒性特征選擇與分類算法
大小：0.80 MB 人氣： 2017-12-05 需要積分：2
提出一種基于偏最小二乘回歸的魯棒性特征選擇與分類算法（ RFSC-PLSR）用于解決特征選擇中特征之間的冗余和多重共線性問題。首先，定義一個基于鄰域估計的樣本類一致性系數；然后，根據不同后近鄰（kNN）操作篩選出局部類分布結構穩定的保守樣本，用其建立偏最小二乘回歸模型，進行魯棒性特征選擇；最后，在全局結構角度上，用類一致性系數和所有樣本的優選特征子集建立偏最小二乘分類模型。從UCI數據庫中選擇了5個不同維度的數據集進行數值實驗，實驗結果表明，與支持向量機（ SVM）、樸素貝葉斯（NB）、BP神經網絡（BPNN）和Logistic回歸（LR）四種典型的分類器相比，RFSC-PLSR在低維、中維、高維等不同情況下，分類準確率、魯棒性和計算效率三種性能上均表現出較強的競爭力。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%