摘要：在机器学习中，信息冗余和无关特征会导致较高的计算复杂度以及过拟合问题。为此，提出一种基于联盟博弈的Filter特征选择算法。采用联合互信息度量联盟与目标类的依赖程度，使用Shapley权利指数评估每个特征在整个特征空间中的重要性，选择具有最高优先权的特征子集用于分类学习。实验结果表明，在c4．5和支持向量机2种分类器下，该算法特征子集分类准确率的均值分别为88．72％、93．39％，高于mRMR算法和ReliefF算法。

原文链接:http://www.cqvip.com//QK/95200X/201304/45326913.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）