文件名称：matlab复变函数指数函数代码-set-mifs:基于集合互信息的Matlab特征选择算法的Matlab实现
文件大小：292KB
文件格式：ZIP
更新时间：2024-06-11 00:13:37
系统开源
matlab复变函数指数函数代码set-mifs 基于集合互信息的Matlab特征选择算法的Matlab实现 介绍 在文献中已经提出了使用互信息（MI）来确定模式识别任务中特征的显着性的思想的许多变体。 但是，它们有其局限性：在变量对之间计算MI不能捕获变量组之间更复杂的交互，而对于大于2的特征空间子集计算MI很快就变得难以计算。 确实，一些作者（参见Kwak＆Choi，2002）已经简要概述了基于全集的互信息算法，只是将其从计算上抛在一边，以至于在实践中是不可能的。 此处实现的算法是一种计算组的MI的快速方法，可完全解决计算难点。 算法 该算法基于两个简单的数学事实： 在内射（一对一）函数下，互信息不变，即对于任意变量U和V，对于任何内射函数g，I（U; V）= I（U; g（V）） 内射功能的组合本身就是内射功能。 本质上，此算法将多个注入函数应用于特征空间，以达到可以以其他方式无法实现的效率进行处理的表示形式。 与蛮力方法的指数复杂度形成鲜明对比的是，该算法的总复杂度相对于数据点数量而言是次二次的，相对于特征数量而言是线性的。 下图给出了步骤的实际示例： Lampen（2004）
【文件预览】：
set-mifs-master
----src()
--------mi.m(587B)
--------jointprobs.m(477B)
--------synthdata.m(829B)
--------main.m(720B)
--------normalize.m(183B)
--------rank_mifsfs.m(2KB)
--------probs.m(297B)
--------makerbfs.m(341B)
--------comp_results.m(2KB)
--------split_crossval.m(657B)
--------main_wdbc.m(1KB)
--------rvals.m(127B)
--------composite.m(709B)
--------prune.m(414B)
--------comp_results_crossval.m(2KB)
--------relabel.m(650B)
--------vote.m(470B)
--------makemlps.m(342B)
--------rank_mifs.m(2KB)
--------discretize.m(791B)
--------trainmlp.m(475B)
--------shufdiv.m(554B)
--------ordering.m(792B)
----LICENSE(6KB)
----README.md(4KB)
----docs()
--------mi.pdf(437KB)
--------method.png(18KB)