KNN特征增强与互信息特征选择的两阶段多维分类方法

来源：计算机工程与应用杂志2025年第15期北京时间：

作者：李二超, 张宝新, 贾彬彬

单位：兰州理工大学 电气工程与信息工程学院，兰州 730050

摘要：现有多维分类的特征增强方法虽丰富了特征空间，但对特征内在质量缺乏有效评估，易引入冗余，影响分类性能。提出基于KNN特征增强与互信息特征选择的两阶段多维分类方法KMFM。第一阶段通过KNN特征增强扩展特征空间，第二阶段基于互信息评估并筛选相关性最强的特征子集，且通过计算类别空间组合熵考虑类别变量间的依赖关系。在10个基准数据集上的实验结果表明，KMFM在汉明分值、精确匹配和亚精确匹配指标上相比现有方法取得显著提升。在90种配置中，KMFM实现77.8%的最佳表现；与只采用特征增强的KRAM相比，性能提升显著；与只进行互信息特征选择MIFS相比，分类性能在9个指标上全面优越，充分说明了该算法的有效性和泛用性。

关键词：多维分类,特征增强,特征选择,互信息,类依赖