导读:本文包含了快速特征选择算法论文开题报告文献综述及选题提纲参考文献，主要关键词:模糊粗糙集,样例选择,特征选择,信息熵
快速特征选择算法论文文献综述
张晓,杨燕燕[1]（2019）在《一种基于模糊粗糙集的快速特征选择算法》一文中研究指出模糊粗糙集由于能够处理实数值数据,甚至是混合值数据中的不确定性受到人们的广泛关注,其最重要的应用之一是特征选择,相关的特征选择方法已有不少研究,但其快速的特征选择算法研究很少。实际中的数据一般含有噪声点或信息含量低的样例,如果对数据集先筛选出代表样例,再对筛选的样例集进行数据挖掘便会降低挖掘计算量。本文基于模糊粗糙集,先根据样例的模糊下近似值对样例进行筛选,然后利用筛选样例的模糊粗糙信息熵构造特征选择的评估度量,并给出相应的特征选择算法,从而降低了算法的计算复杂度。数值试验表明该快速算法具有有效性,并且对控制筛选样例个数的参数给出了建议。(本文来源于《数据采集与处理》期刊2019年03期）
程新党,赵学武[2]（2017）在《基于双极快速进化特征选择算法的异常入侵检测》一文中研究指出异常入侵检测技术在入侵检测系统中有着重要的地位,该技术依据用户的正常行为模式来检测未知攻击。但由于网络链接数据复杂多变的特性和冗余无关网络链接属性的干扰,时常导致现有异常检测技术的失效。针对该问题,提出了一种新的双极快速进化算法,该算法在每一代解集的最差与最优两个极端分别引入最差反转进化和最优迭代繁殖等搜索策略,改善算法的收敛速度与全局寻优能力,然后将本算法与特征选择相结合,快速选出最优的网络链接特征组合,并结合决策树ID3算法构造异常入侵检测规则,在数据集KDD CUP99上的多项比较实验表明该算法能够获得较优的特征组合,并取得了较高的检测率与准确率,同时具有较低的误警率,为异常入侵检测模型的设计提供了参考。(本文来源于《网络安全技术与应用》期刊2017年12期）
张婧虹[3]（2017）在《混合数据的核密度估计熵与快速的贪心特征选择算法》一文中研究指出在海量数据的时代,特征选择作为数据挖掘、模式识别、机器学习的关键步骤,在降低维度、提升算法速度与精确度等方面发挥着越来越重要的作用。信息论中熵和互信息等概念在特征选择算法中占据重要的地位,具有无需先验知识检测非线性关系、抗噪声干扰等优点。但传统基于信息论的特征选择方法主要针对离散特征,而现实世界存在着大量连续特征、混合特征的数据。离散化是一种常见的解决方法,即将连续特征转换为离散特征,再间接地计算信息论中的概率值,这种方法可能导致原始信息的损失。核密度估计(简写KDE)在统计学理论中用于对随机变量的概率密度函数进行无参估计,部分研究者由此提出了基于KDE的条件熵,并应用于特征选择算法,实验结果证明这类方法具有较好的效果。但现有研究中,KDE熵公式较少且局限于连续特征,KDE熵计算用时较长、效率较低,且在高维下更加严重。这些问题导致基于KDE熵的特征选择算法的种类较少、速度非常慢,难以被广泛应用。针对以上问题,本文提出混合KDE熵及基于混合KDE条件熵的快速贪心特征选择算法,并通过理论分析和实验结果显示算法的有效性和高效性。本文的主要成果包括:·提出较完整的连续特征KDE熵,提出混合特征的KDE熵,并实现离散熵和连续KDE熵的统一。·提出一个基于混合特征KDE条件熵的贪心特征选择算法,实验结果表明该算法具有有效性。·提出具有增量特性的核矩阵、数据向量、划分矩阵和核划分矩阵的新概念,并基于它们推导出与KDE熵定义式等价的KDE熵矩阵式。·提出一个快速的基于混合特征KDE条件熵矩阵式的特征选择算法,它在每一轮增量地计算离散部分和连续部分数据,并适时压缩,不断累积矩阵式的速度优势,实验结果表明该算法具有高效性。(本文来源于《浙江大学》期刊2017-01-05）
钟燕飞,张良培[4]（2009）在《高光谱影像特征选择的快速克隆选择算法(英文)》一文中研究指出Clonal selection feature selection algorithm (CSFS) based on clonal selection algorithm (CSA), a new computational intelligence approach, has been proposed to perform the task of dimensionality reduction in high-dimensional images, and has better performance than traditional feature selection algorithms with more computational costs. In this paper, a fast clonal selection feature selection algorithm (FCSFS) for hyperspectral imagery is proposed to improve the convergence rate by using Cauchy mutation instead of non-uniform mutation as the primary immune operator. Two experiments are performed to evaluate the performance of the proposed algorithm in comparison with CSFS using hyperspectral remote sensing imagery acquired by the pushbroom hyperspectral imager (PHI) and the airborne visible/infrared imaging spectrometer (AVIRIS), respectively. Experimental results demonstrate that the FCSFS converges faster than CSFS, hence providing an effective new option for dimensionality reduction of hyperspectral remote sensing imagery.(本文来源于《Geo-Spatial Information Science》期刊2009年03期）
文益民,范志刚[5]（2009）在《判决特征选择的快速人脸识别算法》一文中研究指出为了在确保识别精度的条件下提高人脸识别的速度,提出了判决特征选择算法(SVM-DFS)。针对多类分类问题,判决特征选择算法根据统计学习理论使用支持向量机来实现特征选择,根据全概率定理把特征选择和多类分类集成到一个统一框架。在UMIST和FERET人脸数据库上的实验表明:SVM-DFS算法可以用来挑选对分类最有用的特征,这些挑选出来的特征具有明显的物理意义。使用判决特征选择方法不但可以加快分类器的响应速度,而且不降低分类器的泛化能力。(本文来源于《国防科技大学学报》期刊2009年03期）
陈雨时,张晔,谷延锋[6]（2007）在《基于特征选择的高光谱图像快速矢量量化算法》一文中研究指出高光谱图像在取得较高光谱分辨率的同时带来了海量数据,使其压缩成为必需.矢量量化技术在高光谱图像压缩中取得了良好效果,但有计算复杂度高的缺点.针对高光谱图像谱带间高度冗余的情况,本文提出基于特征选择的快速矢量量化算法.该算法在减少运算量同时,能取得和LBG算法相近的压缩效果.实验表明在信噪比略微下降的情况下,计算时间下降了94.32%.(本文来源于《哈尔滨工业大学学报》期刊2007年11期）
快速特征选择算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
异常入侵检测技术在入侵检测系统中有着重要的地位,该技术依据用户的正常行为模式来检测未知攻击。但由于网络链接数据复杂多变的特性和冗余无关网络链接属性的干扰,时常导致现有异常检测技术的失效。针对该问题,提出了一种新的双极快速进化算法,该算法在每一代解集的最差与最优两个极端分别引入最差反转进化和最优迭代繁殖等搜索策略,改善算法的收敛速度与全局寻优能力,然后将本算法与特征选择相结合,快速选出最优的网络链接特征组合,并结合决策树ID3算法构造异常入侵检测规则,在数据集KDD CUP99上的多项比较实验表明该算法能够获得较优的特征组合,并取得了较高的检测率与准确率,同时具有较低的误警率,为异常入侵检测模型的设计提供了参考。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
快速特征选择算法论文参考文献
[1].张晓,杨燕燕.一种基于模糊粗糙集的快速特征选择算法[J].数据采集与处理.2019
[2].程新党,赵学武.基于双极快速进化特征选择算法的异常入侵检测[J].网络安全技术与应用.2017
[3].张婧虹.混合数据的核密度估计熵与快速的贪心特征选择算法[D].浙江大学.2017
[4].钟燕飞,张良培.高光谱影像特征选择的快速克隆选择算法(英文)[J].Geo-SpatialInformationScience.2009
[5].文益民,范志刚.判决特征选择的快速人脸识别算法[J].国防科技大学学报.2009
[6].陈雨时,张晔,谷延锋.基于特征选择的高光谱图像快速矢量量化算法[J].哈尔滨工业大学学报.2007