基于特征变权的动态模糊特征选择算法

王玲; 孟建瑶

doi:10.7544/issn1000-1239.2018.20170503

基于特征变权的动态模糊特征选择算法

王玲,
孟建瑶

(北京科技大学自动化学院北京 100083) (工业过程知识自动化教育部重点实验室(北京科技大学) 北京 100083) (lingwang@ustb.edu.cn)

基金项目: 国家自然科学基金项目(61572073)；中央高校基本科研业务费专项资金(FRF-BD-16-005A)；北京市重点学科共建项目(XK100080537)

详细信息

中图分类号: TP18; TP273
计量
- 文章访问数: 1377
- HTML全文浏览量: 4
- PDF下载量: 743
出版历程
- 发布日期: 2018-04-30

Dynamic Fuzzy Features Selection Based on Variable Weight

(College of Automation and Electrical Engineering, University of Science and Technology Beijing, Beijing 100083) (Key Laboratory of Knowledge Automation for Industrial Processes (University of Science and Technology Beijing), Ministry of Education, Beijing 100083)

摘要

摘要: 针对大多数动态特征选择算法不能实时地根据特征重要性的变化动态优化模糊特征的问题，提出了基于特征变权的动态模糊特征选择算法.该算法利用滑动窗口分割模糊化后的数据，在第1个窗口中进行离线模糊特征选择，根据输入模糊特征与输出特征的互信息量，计算各个模糊输入特征的权重，获取候选模糊特征子集，并采取后向特征选择的方式和模糊特征筛选指标得到优化模糊特征子集；在随后的窗口中进行在线模糊特征选择，结合当前窗口的候选模糊特征子集和已有模糊特征选择结果，计算模糊输入特征的重要度，获得当前窗口中的优化模糊特征子集.通过计算窗口之间模糊特征权重的变化，发现输入模糊特征的演化关系.不同数据集的仿真结果表明，所提出算法在自适应性和预测准确性方面均有显著提高.
- 动态 /
- 特征选择 /
- 模糊 /
- 互信息量 /
- 权重 /
- 滑动窗口
Abstract: In this paper, a new scheme for dynamic fuzzy feature selection based on variable weight is proposed to optimize the fuzzy feature subset with the important features dynamically. Firstly, the sliding window is adopted to divide the fuzzy dataset. In the first sliding window, the off-line fuzzy features selection algorithm is proposed to access the candidate fuzzy feature subset by calculating the weight of each fuzzy input feature according to the mutual information between the fuzzy input features and the output feature. Based on this, the optimal fuzzy feature subset are obtained by combining the backward feature selection method with the fuzzy feature selection index. With the new sliding window, the on-line fuzzy features selection algorithm is proposed, by integrating the optimal fuzzy feature selection result in the previous sliding window with the candidate fuzzy feature set in the current sliding window, the importance of the fuzzy input feature is calculated to obtain the optimal feature subset in the current window. Finally, the evolving relationship of the fuzzy input features is found with the fuzzy feature weights between the sliding windows. The simulation results show that the proposed algorithm has a significant improvement in the adaptability and prediction accuracy.
- dynamic /
- feature selection /
- fuzzy /
- mutual information /
- weight /
- silding window

HTML全文

参考文献(0)

施引文献(21)

期刊类型引用(14)

1.	孙林，马天娇. 基于中心偏移的Fisher score与直觉邻域模糊熵的多标记特征选择. 计算机科学. 2024(07): 96-107 . 百度学术
2.	袁钟，陈红梅，王志红，李天瑞 . 利用混杂核模糊补互信息选择特征. 计算机研究与发展. 2023(05): 1111-1120 . 本站查看
3.	杨璇，马建敏，赵曼君. 基于邻域互信息的高维时序数据特征选择. 计算机工程. 2023(07): 135-142+149 . 百度学术
4.	马明艳，陈伟，吴礼发. 基于CNN＿BiLSTM网络的入侵检测方法. 计算机工程与应用. 2022(10): 116-124 . 百度学术
5.	孙林，梁娜，徐久成. 基于自适应邻域互信息与谱聚类的特征选择. 山东大学学报(理学版). 2022(12): 13-24 . 百度学术
6.	刘文，米据生，孙妍. 一种新的犹豫模糊粗糙近似算子的公理刻画. 计算机研究与发展. 2021(09): 2062-2070 . 本站查看
7.	王翔，谢胜军. 加权社会网络低维冗余数据快速挖掘算法仿真. 计算机仿真. 2021(08): 372-375+477 . 百度学术
8.	张敏，彭红伟，颜晓玲. 基于神经网络的模糊决策树改进算法. 计算机工程与应用. 2021(21): 174-179 . 百度学术
9.	张仕斌，黄曦，昌燕，闫丽丽，程稳. 大数据环境下量子机器学习的研究进展及发展趋势. 电子科技大学学报. 2021(06): 802-819 . 百度学术
10.	姚晟，陈菊，吴照玉. 一种基于邻域容差信息熵的组合度量方法. 小型微型计算机系统. 2020(01): 46-50 . 百度学术
11.	徐道磊，陈培林，唐轶轩，吴尚，路宇，卞显福. 一种新的决策粗糙集最小化决策代价属性约简算法. 微电子学与计算机. 2020(08): 55-60+65 . 百度学术
12.	姚晟，吴照玉，陈菊，王维. 基于决策理论粗糙集的一种新属性约简方法. 微电子学与计算机. 2019(05): 76-81 . 百度学术
13.	段海玲，王光琼. 一种高效的复杂信息系统增量式属性约简. 华南理工大学学报(自然科学版). 2019(06): 18-30 . 百度学术
14.	龚芝，陈志伟，马凌. 不完备信息系统中一种新的不确定性度量方法. 测控技术. 2018(11): 116-119+124 . 百度学术