[发明专利]一种基于互信息量的改进特征评价方法

摘要

一种基于互信息量的改进特征评价方法：输入一个特征子集维度为m的数据，每个特征包含有若干个样本；计算特征子集的相关性，即特征子集中所有特征与目标类别标签的互信息量之和；计算特征子集中特征之间的冗余性，即特征子集中所有特征之间的互信息量的平均值；计算特征子集的评估值，即是特征子集的评估值。本发明的一种基于互信息量的改进特征评价方法，针对复杂信号的特征有效性评估问题，结合实际应用，既考虑冗余性又考虑相关性，有效解决了目前已有特征选择评估准则中存在的难以有效衡量特征有效性问题，更高效的完成特征选择任务，最终提高数据挖掘与模式识别的效率。

主权项

1.一种基于互信息量的改进特征评价方法，其特征在于，包括如下步骤：1)输入一个特征子集维度为m的数据，每个特征包含有若干个样本；2)计算特征子集的相关性，即特征子集中所有特征与目标类别标签的互信息量之和，用D(S,L)表示，公式如下：D(S,L)＝∑I(Si；L)Si表示特征子集中第i个特征，L表示目标类别标签，I(Si；L)表示特征子集中的第i个特征和目标类别标签的互信息量；3)计算特征子集中特征之间的冗余性，即特征子集中所有特征之间的互信息量的平均值，用R表示，公式如下：Si和Sj分别表示特征子集中的第i和第j个特征，I(Si；Sj)表示特征子集中的第i个特征和第j个特征之间的互信息量；4)计算特征子集的评估值EvaEva＝D(S,L)‑R其中，Eva是特征子集的相关性与冗余性的差值，这个值越大，说明对应的特征子集中的特征与目标类别标签相关性高，且特征子集中特征之间的相关性低，这个评估准则能够同时排除无关特征和冗余特征，最终计算的Eva的值就是特征子集的评估值。