邻域互信息相关论文
近年来随着信息技术的高速发展以及高校信息化的推进,高校在研究生培养的过程中产生了大量数据,这些数据也在日益复杂化和多样化。......
随着全球人口和经济的增长,新能源型的建筑能耗所占世界总能耗比重逐渐加大。有效地预测分析建筑能耗相关数据,可以为建筑能源系统......
随着各应用领域中数据量的快速增长,特征维度越来越高,语义日益丰富,数据通常呈现高维性和多标记性。多标记特征选择作为机器学习......
开放动态环境下的机器学习任务面临着数据特征空间的高维性和动态性.目前已有在线流特征选择算法基本仅考虑特征的重要性和冗余性,......
脑功能连接刻画了不同脑区之间神经元活动的动态关联性,为人们理解脑疾病的病理机理提供了一个崭新的视角。近年来,基于功能磁共振......
基因表达谱数据具有高维度、低样本和连续型等特点,建立肿瘤分类模型的关键在于准确找出一组能够决定癌症基因样本类别的特征基因.......
引入了一种新的对互信息的扩展称之为邻域互信息.在计算图像信息熵的过程中,不仅考虑了图像中每点像素的信息,还考虑了每点像素邻......
特征选择是一种重要的数据预处理步骤,其中互信息是一类重要的信息度量方法.本文针对互信息不能很好地处理数值型的特征,介绍了邻......
邻域粗糙协同分类模型结合了邻域粗糙集和协同学习理论，可以处理连续型数据，并可有效利用无标记数据提高分类的性能。但在学习过程中......
针对特征空间中存在潜在相关特征的规律，分别利用谱聚类探索特征问的相关性及邻域互信息以寻求最大相关特征子集，提出联合谱聚类与邻......
传统的交叉效率评价方法多数是采用一个模型进行求解,并且往往会出现多个决策单元(DMU)均有效,因此不能对所有的决策单元进行充分......
针对DNA微阵列的高维、小样本及高冗余等特点,提出了一种新的集成分类方法.基于bootstrap技术的样本扰动和kruskalwallis与邻域互......
针对邻域信息系统的特征选择模型存在人为设定邻域参数值的问题。分别计算样本与最近同类样本和最近异类样本的距离，用于定义样本的......
多数传统的属性聚类算法不能直接处理连续型属性，为了避免连续数据离散化处理时造成的信息损失，降低样本属性邻域求解的复杂度，提高特......
回 回 产卜爹仇贱回——回 日E回。”。回祖 一回“。回干 肉果幻中 N_。NH lP7-ewwe--一”＄ MN。W;- __._——————》 砧叫]们......
互信息是属性间相关度的度量，适用于特征选择问题，同时它与具体分类器相独立，能与多种分类器结合产生很好的分类效果。然而，互信息只适......
粗糙集理论是一种可以处理不精确、不确定、不完备和不一致数据的有效的数据分析工具。近年来,粗糙集理论凭借其独特的优势开始逐......
针对多维数据集,为得到一个最优特征子集,提出一种基于特征聚类的封装式特征选择算法.在初始阶段,利用三支决策理论动态地将原始特......
