文件名称:利用有效范围和类别分离的特征选择方法-研究论文
文件大小:491KB
文件格式:PDF
更新时间:2024-06-08 10:27:33
论文研究
功能选择是数据挖掘中的一项重要活动,它可以显着改善运行时间,并消除数据的冗余性和歧义性。 另外,在选择功能时要仔细考虑,因为如果使用不正确,可能会导致信息丢失。 在许多领域都应用了特征选择机制。 它也可以用于识别微阵列基因表达数据集中的致病基因。 尽管当今存在许多特征选择技术,但通过应用领域特定的方法,信息和知识仍然存在进一步改进的范围。 在本文中,我们提出了一种改进的统计方法,用于基于特征在有效类别范围内实现的类别之间的差异程度来进行特征选择。 在用不同的微阵列数据集对所提出的算法进行实验并将其性能与RELIEFF,互信息和基于有效范围的基因选择(ERGS)等其他算法进行比较之后,可以看出该算法是一种有前途的基因选择技术。 不能肯定地说哪种方法更适合基因表达数据集。 需要更多的数据集进行进一步的实验,以验证所提出算法的可靠性。