论文部分内容阅读
针对当前机器学习特征选择方法存在运算时间较长、特征选择精准度较低的问题,提出邻近梯度的机器学习特征选择优化方法。根据机器学习概念,结合其特征选择原理特性,构建混合式特征算法;划分特征集并对其进行简易化,采用信息论和概率统计对特征子集分类,获得信息增益;根据特征间存在的特征关联性与类别属性之间的联系,对信息增益做离散化处理,完成特征选择;采用邻近梯度算法对特征选择进行优化。仿真结果表明,所提方法能够有效进行机器学习特征选择,并且通过优化可以提升特征选择的效率。