个性化推荐系统中的用户建模及特征选择个性化推荐系统中的用户建模及特征选择

住院费用建模中基于GA-SVM的特征选择和参数优化

通过去除不相关和多余的特征，特征选择旨在找到具有良好泛化能力的原始特征的紧凑表示。 随着无标签数据的普及，无监督特征选择已显示出可有效减轻维数的诅咒，对于全面分析和理解无标签高维数据的无数至关重要，这是由于子空间聚类中低秩表示法的成功所致，我们提出了一种用于无监督特征选择的正则化自我表示（RSR）模型，其中每个特征都可以表示为其相关特征的线性组合。 通过使用L-2，L-1-范数来表征表示系数矩阵和表示残差矩阵，RSR有效地选择了代表性特征并确保了对异常值的鲁棒性。 如果某个特征很重要，则它将参与大多数其他特征的表示，从而导致出现大量的表示系数，反之亦然。 对合成数据和现实世界数据进行的实验分析表明，该方法可以有效地识别代表性特征，在聚类精度，冗余减少和分类精度方面优于许多最新的无监督特征选择方法。

基于依赖裕度的特征选择

基于多核和模糊决策的鲁棒模糊粗糙集模型用于特征选择

通过集合选择器进行基于粗糙集的半监督特征选择

基于二元萤火虫算法的多元生理信号特征选择与识别

运行文件PSO,即可运行程序。程序给了相应中文解释。本文件提供4个相关的数据集，前缀为data为是数据，前缀为target为数据的标签。注：使用的是MATLAB2016a版本，采用MATLAB自带的SVM,若已安装林志仁SVM，则程序可能会运行失败，解决办法：MATLAB设置路径为默认路径，再次运行即可。

本文档是用于特征选择的FEAST工具箱，里面有C、matlab、java类型的特征选择代码。有JMI、MRMR、CMIM、FCBC、MIM、RELIEF、WMIM等特征选择算法。 对于C语言代码，还需要MIToolbox的代码，会在后面上传，可下载

使用改进的SFLA进行疾病诊断的高维生物医学数据特征选择