特征选择算法研究综述

不平衡数据集分类为机器学习热点研究问题之一，近年来研究人员提出很多理论和算法以改进传统分类技术在不平衡数据集上的性能，其中用阈值判定标准确定神经网络中的阈值是重要的方法之一。常用的阈值判定标准存在一定

针对入侵检测数据集维数高，导致检测算法处理速度慢，而其中包含许多对检测效果影响不大的特征的问题，提出了一种分步特征选择算法。它通过对相关特征和冗余特征的定义，以互信息为准则，首先删除不相关特征，然后删

基于超图的多模态特征选择算法及其应用，彭瑶，祖辰，目前机器学习算法已经被广泛应用到脑疾病的诊断中。医学影像数据由于样本珍贵，并且特征维数往往远大于已有样本数目，在实际应用

文本挖掘之前首先要对文本集进行有效的特征选择。传统的特征选择算法在维数约减及文本表征方面效果有限，并且因需要用到文本的类别信息而不适用于无监督的文本聚类任务。针对这种情况，设计一种适用于文本聚类任务的

弯曲枝条的模拟是植物模拟的重要组成部分，L-系统是植物模拟的重要方法之一。如果用L-系统模拟弯曲的枝条，则需要大量的产生式。通过在产生式中增加弯曲符号以及描述弯曲程度的曲率函数得到了函数L-系统。利用

针对邻域信息系统的特征选择模型存在人为设定邻域参数值的问题。分别计算样本与最近同类样本和最近异类样本的距离，用于定义样本的最近邻以确定信息粒子的大小。将最近邻的概念扩展到信息理论，提出最近邻互信息。在

在文本分类中，特征空间维数通常高达几万，甚至远远超出训练样本的个数，这是一种十分普遍的现象。为了提高文本挖掘算法的运行速度，降低占用的内存空间，提出了一种基于优化的模拟退火算法的特征选择方法。在该方法

Lenstra-Lenstra-Lovasz（LLL）格基约化算法自1982年被提出以来，已被成功应用于计算机代数、编码理论、密码分析、算法数论、整数规划等众多领域。经过三十多年的发展，串行LLL算法

介绍了遗传算法的基本工作原理和主要特点,讨论了遗传算法的理论、技术、存在问题及改进方法,概述了遗传算法的常见应用领域,分析了近五年国内对遗传算法的研究现状。最后,进一步探讨了遗传算法的未来研究方向。

网页排序算法研究综述，何建军，李仁发，随着互联网的急剧增长和用户寻求信息需要的推动，搜索引擎应运而生，而排序算法又处于搜索引擎中的核心地位，本文对近年来出现的