基于双模糊信息的特征选择算法

来源：计算机科学与探索杂志2017年第12期北京时间：

作者：李素姝，王士同，李滔

单位：江南大学 数字媒体学院，江苏 无锡 214122

摘要：在对传统特征选择算法进行研究的基础上，提出了一种基于双模糊信息的特征选择算法（feature selection algorithm based on doubly fuzziness information，FSA-DFI）。第一种模糊体现在对最小学习机（least learning machine，LLM）进行模糊化后得到模糊最小学习机（fuzzy least learning machine，FUZZY-LLM）中；另一种模糊则是在基于贡献率模糊补充这一方法中体现的，其中贡献率高的特征才可能被选入最终的特征子集。算法FSA-DFI是将FUZZY-LLM和基于贡献率的模糊补充方法结合得到的。实验表明，和其他算法相比，所提特征选择算法FSA-DFI能得到更好的分类准确率、更好的降维效果以及更快的学习速度。

关键词：特征选择,双模糊,最小学习机,模糊隶属度,模糊补充