[发明专利]直接验证的封装式特征选择方法

摘要

本发明公开了一种直接验证的封装式特征选择方法，其步骤如下：a.初始化目标特征集F_o为b.按序加入f_c(f_c∈F_e)特征形成候选特征子集F_oc＝f_c∪F_o,f_c为原始特征集F_e中的特征；c.计算候选特征子集F_oc的LW值并记录；d.重复步骤b到c，直到遍历了F_e中的所有特征f_c；e.对记录的所有LW排序，选出最高的LW值并将其所对应的特征f_c加入F_o；f.将特征f_c从F_e中移除，重复步骤b到f直到F_e为或达到阈值；本方法是对封装式方法提出的优化方案，即针对封装式特征选择算法中时间复杂度最高的交叉验证评价环节，提出了可以替代交叉验证的特征集的直接评价的LW测量方法，在不降低分类精度的基础上，具有线性时间复杂度，执行效率高，提高了特征选择速度。

主权项

一种直接验证的封装式特征选择方法，其特征在于:设定条件：候选特征子集X＝{x_n:n＝1,…,N；x_n∈R^D}为D维空间中的一组向量集合，且该向量集合所对应的标签集合为Y＝{y_n:n＝1,…,N；y_n∈{1,…,M}}；对于每一个D维向量x_n有且有一个标签y_n把它标识到一个聚类m∈{1,…,M}中，输入，原始特征集F_e；输出，最优特征集F_o；SFS‑LW方法的步骤如下：a.初始化目标特征集F_o为b.按序加入f_c(f_c∈F_e)特征形成候选特征子集F_oc＝f_c∪F_o,f_c为原始特征集F_e中的特征；c.计算候选特征子集F_oc的LW值并记录；d.重复步骤b到c，直到遍历了F_e中的所有特征f_c；e.对记录的所有LW排序，选出最高的LW值并将其所对应的特征f_c加入F_o；f.将特征f_c从F_e中移除，重复步骤b到f直到F_e为或达到阈值；SBS‑LW方法的步骤如下：a.初始化目标特征集F_o为特征全集；b.按序形成候选特征子集F_oc＝F_o/f_c,特征f_c为原始特征集F_ε中的特征，“/”代表“不包含”；c.计算候选特征子集F_oc的LW值并记录；d.重复步骤b到c，直到遍历了F_e中的所有特征f_c；e.对记录的所有LW排序，选出最高的LW值并将其所对应的特征f_c从F_o中删除；f.将特征f_c从F_e中移除，重复步骤b到f直到F_e为或达到阈值。