基于概率密度逼近的特征選擇研究.pdf

1、模式識(shí)別的主要任務(wù)就是利用樣本中的特征，將樣本劃分為相應(yīng)的模式類別。通常情況下，樣本特征中包含了足夠的類別信息，才能通過(guò)分類器實(shí)現(xiàn)正確分類。為了提高模式識(shí)別的正確識(shí)別率，人們通常需要采集數(shù)量巨大的原始特征，使得原始特征空間或輸入空間的維數(shù)可能高達(dá)兒千維或兒萬(wàn)維。這樣，結(jié)果不僅使樣本特征維數(shù)增大，而且其中可能存在較大的相關(guān)性和冗余，影響最后的分類精度。這就造成所謂的維數(shù)災(zāi)難。所以為了有效地進(jìn)行模式分類和數(shù)據(jù)分析，特征降維就顯得異常重要。

2、 本論文的研究目的是為了探索新的特征選擇方法，提出一種用于特征降維的特征排序，豐富減少特祉維數(shù)的方法。文中簡(jiǎn)要介紹了特征降維的準(zhǔn)則，回顧了當(dāng)前的主要特征降維技術(shù)。文中也對(duì)概率密度估計(jì)進(jìn)行了闡述，重點(diǎn)介糾了非參數(shù)法和Parzen窗口概率密度估計(jì)。本論文重點(diǎn)是建立了基于概率密度逼近的特征選擇準(zhǔn)則，闡述了應(yīng)用該準(zhǔn)則進(jìn)行特征排序的原理利方法。針對(duì)特征選擇這一問題，文中依據(jù)對(duì)稠密或高維數(shù)據(jù)集的加權(quán)變換，對(duì)變換前后的數(shù)據(jù)采用Parzen窗口概

3、率密度估計(jì)方法來(lái)分別估計(jì)它們的概率密度，并在一定的條件下讓兩個(gè)概率密度逼近，從而提出了一種新的基于概率密度逼近準(zhǔn)則的特征排序方法。文中對(duì)于概率密度的估計(jì)，結(jié)合了更能體現(xiàn)數(shù)據(jù)特征的Gaussian核函數(shù)Parzen窗口概率密度估計(jì)方法。論文同時(shí)針對(duì)無(wú)監(jiān)督的情況，利用更簡(jiǎn)單的Parzen窗口概率密度估計(jì)，提供一種簡(jiǎn)化了的針對(duì)無(wú)監(jiān)督情況的特征排序方法。論文最后采用MATLAB來(lái)編程實(shí)現(xiàn)了文中提出的算法，選取了大量數(shù)據(jù)來(lái)進(jìn)行實(shí)驗(yàn)。大量的基于交叉