【技术实现步骤摘要】
【技术保护点】
一种用于模式分类的特征选择方法,其特征在于:通过采用模糊Fisher准则为目标函数求得无监督最佳鉴别矢量的基础上,根据该矢量中每一维的值求得每个特征重要性权值,按照该权值大小进行特征排序,通过给定阈值,选取特征子集,进而实现数据降维;具体包括以下各步骤:A、将原始数据转换为N×d矩阵,其中N为样本个数,d为特征维数;B、给定阈值ε或迭代次数α,给定特征重要性阈值θ;C、使用k?means算法初始化隶属矩阵U=[μij]c×N以及聚类中心m=(m1,m2,...,mc),其中uij表示第j个样本属于第i类的程度,c为分割聚类数目,此处i、j为变量且取值区间分别为:[1,c]、[1,N],设m为模糊指数且m>1;D、使用以下公式分别计算模糊类内散布矩阵Sfw、模糊类间散布矩阵Sfb:Sfw=Σi=1cΣj=1Nuijm(xj-mi)(xj-mi)TSfb=Σi=1cΣj=1Nuijm(mi-x‾)(mi-x‾)T其中隶属度函数uij∈[0,1]且xj为N维列向量,在样本空间定义各类样本均值向量记为mi,为所有样 ...
【技术特征摘要】
【专利技术属性】
技术研发人员:曹苏群,朱全银,左晓明,高尚兵,陈晓峰,张虹,杨格兰,陈召兴,
申请(专利权)人:淮阴工学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。