论文部分内容阅读
特征分析与选择是设计有效的数据分类与聚类算法的重要前提，为了选择合适的、一定数量的数据特征，文章提出了一种基于模糊集与前馈神经网络的特征分析与选择算法，该算法充分考虑特征的独立性与重要性，采用模糊集理论描述特征之间的独立性，通过独立性估计删除相关性特征；采用监督学习前馈神经网络实现重要性因子的自适应学习与估计，选择出重要性高的特征集合。理论分析与实验结果证明了提出的算法不仅时间复杂度低，而且能准确地反映数据的本质特征。