论文部分内容阅读
针对模式识别和机器学习中拉普拉斯评分的特征选择方法存在未考虑特征之间相关性信息这一缺陷,提出了一种新的评分算法。先利用特征之间的相关性对特征进行分组,再在组内按照其重要性进行评分,尽可能选择那些不相似的重要特征来表达数据。实验证明,该方法应用于多个数据集均具有较好的效果。
基于相关性分组的拉普拉斯特征评分算法
【摘 要】
：
针对模式识别和机器学习中拉普拉斯评分的特征选择方法存在未考虑特征之间相关性信息这一缺陷,提出了一种新的评分算法。先利用特征之间的相关性对特征进行分组,再在组内按照
【机 构】
：
温州大学
【出 处】
：
中原工学院学报
【发表日期】
：
2016年1期
其他文献