[发明专利]基于条件互信息的特征选择与评价方法在审
申请号: | 201810820247.6 | 申请日: | 2018-07-24 |
公开(公告)号: | CN109190660A | 公开(公告)日: | 2019-01-11 |
发明(设计)人: | 周红芳;张尧;张英杰;刘虹江;温婧;韩霜 | 申请(专利权)人: | 西安理工大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62 |
代理公司: | 西安弘理专利事务所 61214 | 代理人: | 谈耀文 |
地址: | 710048*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 候选特征 基于条件 特征选择 互信息 冗余 互信息计算 条件互信息 步骤实施 迭代算法 前向迭代 贪心算法 特征条件 特征子集 最小条件 数据集 后向 算法 | ||
1.基于条件互信息的特征选择与评价方法,其特征在于,具体操作步骤如下:
步骤1.对数据集进行预处理,得到预处理数据集;
步骤2.对所述预处理数据集进行离散化处理,预处理数据集中的所有特征值划分在不同的特征等级中;
步骤3.计算步骤2离散化处理后的数据集中所有特征X与类变量Y之间的重要程度;
步骤4.根据步骤3计算出的特征与类之间的重要程度I(X;Y)后,选择重要程度最大的特征作为重要特征,将这个重要特征从原特征集合中删除,添加到候选特征集合中,作为第一个被选入候选特征集的候选特征,再计算其他候选特征。
2.根据权利要求1所述的基于条件互信息的特征选择与评价方法,其特征在于,步骤1预处理的步骤为:
数据集中的每一列为一个特征,每个特征有n行,将每个特征的取值范围压缩到0和1之间,得到预处理后的特征X。
3.根据权利要求2所述的基于条件互信息的特征选择与评价方法,其特征在于,步骤2所述离散化过程如下:
步骤2.1,对特征X中的所有元素进行升序排序得到X’;
步骤2.2,分别取X’中第n/5,第2*n/5,第3*n/5,第4*n/5,第5*n/5位置的元素;
步骤2.3,定义k为特征等级,如果0<=X[i]<X’[n/5],那么k=0;如果X’[n/5]<=X[i]<X’[2*n/5],那么k=1;......如果X’[4*n/5]<=X[i]<=X’[5*n/5],则k=4;即特征X中所有元素都被划分为在不同的特征等级中,
其中,k∈{0,1,2,3,4},i代表特征X的第i个元素,X[i]表示特征X的第i个特征值。
4.根据权利要求3所述的基于条件互信息的特征选择与评价方法,其特征在于,步骤3计算特征X与类变量Y之间的重要程度计算公式如下:
其中,类指的是原数据集中的标签列,KL是散度,X表示特征,x是X的取值,Y表示类变量,y是Y的取值。
p(y)是y的概率分布,p(x)是x概率分布;
p(x,y)表示x和y同时发生时候的概率分布;
且p(x)的计算如下:
其中N(X=x)表示X取值为x的个数,N(X≠x)表示不包含X取值为x的个数;其中N(Y=y)表示Y取值为y的个数,N(Y≠y)表示不包含Y取值为y的个数。
5.根据权利要求1所述的基于条件互信息的特征选择与评价方法,其特征在于,步骤4计算其他候选特征的具体步骤如下;
当候选特征集合中的特征个数大于1的时候,使用前向迭代算法选择m-1个重要特征,计算候选特征在特征集合中的重要程度,每一次迭代,选择当前阶段最重要的特征,然后把这个重要的特征从原特征集中删除,放入候选特征集S中,经过m-1次迭代,最终得到大小为m的特征子集,而计算特征重要程度的第一个评价标准MCRMCR为:
其中,Xm为目标特征,Xs为候选特征集S中的某个已选特征,I(Xm;C|Xs)表示给定已选特征Xs条件下,目标特征Xm和类C的相关性,I(Xm;Xj|Xs)表示给定已选特征Xs条件下,目标特征Xm和另一个已选特征Xj之间的冗余,类C指的是数据集中标签列;
采用和公式(9)一样的框架,通过将冗余部分改为类内冗余,可以得到第二个关于特征的重要程度的评价标准MCRMICR:
其中I(Xm;Xs)表示已选特征Xs和目标特征Xm之间的冗余,而I(Xm;Xs|C)表示给定类C条件下目标特征Xm和已选特征Xs之间的冗余。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安理工大学,未经西安理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810820247.6/1.html,转载请声明来源钻瓜专利网。