本专区汇聚了各类基于 特征选择 开发的源码资源，共计 180 篇资源供开发者免费下载学习。
遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化搜索算法，具有广泛适用性。本程序实现了粗糙集理论和遗传算法相结合的属性约简方法，从而去除决策表中冗余的规则。
极其简单的模糊分类器是基于标记的训练数据的不一致性分析来标识的。该方法被应用到线圈挑战 2000年直邮问题并导致 121 选定的商队政策内首先 800 选定的客户。这一结果是竞赛的
基于粗糙集信息系统约简的算法matlab实现，程序能够运行出正确的结果，希望对各位有帮助。
在现实生活中，实际问题很难用线性模型进行描述。神经网络的出现，大大降低了模型建立的难度和工作量。我们只需将神经网络看成是一个黑箱子，根据输入与输出数据，神经网络依据相关的学习规则，
Dombi等人提出用平均影响值（MIV）来反映神经网络中权重矩阵的变化情况，MIV被认为是在神经网络中评价变量相关性最好的指标之一，从而开创了解决此类问题的新思路。因此探索此类型的
估计计算特征间的相关性的一种有效方法，利用互信息可以有效地度量线性和非线性系统中特征之间的相关性，从而有效的降低输入变量的维数，提高计算效率。
这个提交项目包含 (1) 杂志文章对 Zernike 矩、 遗传算法、 特征选择和概率神经网络。 (2) matlab 程序代码做特征选择使用遗传算法。 NB： (i) 此代码是
这段代码使用户可以基于在离散小波分解变换 （DWDT） 的人脸识别。提出的算法的特征选择被利用的搜索功能空间的最优的特征。
该算法利用模糊数学的理论，首先导入观测矩阵，接着计算模糊相似矩阵r，然后求r的传递闭包，得到模糊等价矩阵r3，进而求得分类的结果。该程序还可以根据误差平方和最小的原则去掉影响不
对某一评价系统进行离散化处理后，得到决策表，此程序是利用基于粗糙集正域对其进行属性约简，其中函数delrepeat-约去重复样本函数，calimport是求整个决策表的重要度函数，
模式识别中关于特征选择和特征提取的知识
采用Wolf算法选择最优的特征子集。决策树分类器。这种包装方法结合狼和DT。几个数据集作为测试数据可以从加利福尼亚大学欧文库下载。