换一批摘要信息熵保证原始空间特征最大确定性的概率分布,且能够处理缺失值、噪声等问题;流形学习方法局部线性嵌入能够在降维后的子空间中较完整地表现原空间流形结构中特征间的关系.结合两者优势,提出一种新的特征选择方法,基于信息熵的局部线性嵌入,先对原始空间的特征信息熵进行估计,然后用局部线性嵌入对保有最大信息量的特征子空间降维,最后获得较低维度的特征子空间.在给定的UCI标准数据集中,实验结果表明了该方法在特征选择中的可行性及有效性.
更多相关知识
关键词
信息熵流形学习局部线性嵌入维度归约分类information entropymanifold learninglocal linear embeddingdimensional reductionclassification
分类号
TP301.6
DOI
10.3969/j.issn.1007-130X.2014.09.030
发布时间
2014-11-03（万方平台首次上网日期，不代表论文的发表时间）
基金项目
广州市属高校科研重点项目（(10A148)）
- 浏览0
- 被引4
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
