聚類特征選擇方法的研究和應(yīng)用.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)幾千維或幾萬(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、br>　　 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和特征選擇，豐富減少特征維數(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)特征相關(guān)性分析和聚類有效性準(zhǔn)則進(jìn)行了闡述，重點(diǎn)介紹了特征之間相似性度量的方法和聚類有效性的判斷準(zhǔn)則。
　　 本論文重點(diǎn)是建立了一種基于對(duì)特征進(jìn)行聚類的特征選擇準(zhǔn)則，闡述了應(yīng)用該準(zhǔn)則進(jìn)行特征排序的原理和方法。針對(duì)特征選擇這一問(wèn)題，文中從特征對(duì)

3、分類結(jié)果的影響、特征之間的相似度量公式和特征之間相關(guān)性的分析這三個(gè)方面出發(fā)，先利用特征相似性度量公式計(jì)算每一維特征之間的相似度即求出相似度矩陣，再依據(jù)每一維特征對(duì)樣本分類的影響，結(jié)合聚類算法和聚類有效性的判斷準(zhǔn)則等，然后提出了一種基于聚類的特征選擇算法。
　　 文中先前幾個(gè)章節(jié)先對(duì)相關(guān)的知識(shí)背景進(jìn)行粗略的介紹，如K均值聚類算法、層次聚類方法、聚類有效性判斷準(zhǔn)則等。論文對(duì)于無(wú)監(jiān)督的情況，利用聚類的方法，提供一種簡(jiǎn)化了的針對(duì)無(wú)監(jiān)督情