针对传统特征选择中只考虑了特征的相关性和冗余性而忽略了特征间交互作用的问题，提出一种基于交互信息的两阶段特征选择算法(SAMBFC)。通过对称不确定性和强近似马尔可夫毯原理进行无关特征和冗余特征的筛选；利用特征间交互增益和基于相关性特征选择算法构建一种特征间互补性评价方法，选取具有交互作用的冗余特征。在9个不同维度的标准数据集上与8种典型算法进行对比实验和分析，其结果表明，SAMBFC算法所选特征的分类性能以及综合表现明显优于其它算法。
科研之友
微信
新浪微博
Facebook
分享链接
