matlab复变函数指数函数代码set-mifs
基于集合互信息的Matlab特征选择算法的Matlab实现
介绍
在文献中已经提出了使用互信息（MI）来确定模式识别任务中特征的显着性的思想的许多变体。
但是，它们有其局限性：在变量对之间计算MI不能捕获变量组之间更复杂的交互，而对于大于2的特征空间子集计算MI很快就变得难以计算。
确实，一些作者（参见Kwak＆Choi，2002）已经简要概述了基于全集的互信息算法，只是将其从计算上抛在一边，以至于在实践中是不可能的。
此处实现的算法是一种计算组的MI的快速方法，可完全解决计算难点。
算法
该算法基于两个简单的数学事实：
在内射（一对一）函数下，互信息不变，即对于任意变量U和V，对于任何内射函数g，I（U;
V）=
I（U;
g（V））
内射功能的组合本身就是内射功能。
本质上，此算法将多个注入函数应用于特征空间，以达到可以以其他方式无法实现的效率进行处理的表示形式。
与蛮力方法的指数复杂度形成鲜明对比的是，该算法的总复杂度相对于数据点数量而言是次二次的，相对于特征数量而言是线性的。
下图给出了步骤的实际示例：
Lampen（2004）
2022-05-05 16:13:12
292KB
1
包含各种特征选择方法如：%MIFS %mRMR %CMIM %JMI %DISR CIFE %ICAP %CondRed %BetaGamma
%CMI
2022-05-05 16:06:36
133KB
1
针对情感声学特征在语音情感识别中的重要性问题，运用优先选择、序列前向、序列后向和逐步判别分析进行了特征选择．对说话人和文本均无关、说话人相关2组普通话情感语音进行特征选择，然后利用线性判别分析和支持向量机进行实际识别效果的分析比较．特征选择结果表明，基频、对数能量、语速和第一共振峰均值对普通话情感语音具有较强的判别能力，但情感声学特征的判别力随着说话人的不同而有所差异．特征选择方法比较实验表明，逐步判别分析比其他3种方法具有更高的平均准确率，当特征个数为9～12时分类器的平均准确率最高．效用分析表明，特征
2022-05-03 11:48:55
497KB
1
此matlab的mrmrd程序代码是基于特征选择的代码，可以筛选出最优的特征。 此matlab的mrmrd程序代码是基于特征选择的代码，可以筛选出最优的特征。
2022-04-20 21:05:42
642B
1
输入训练集，返回该训练集中的各特征的平均权重矩阵
matlab实现
适用于有特征选择需要的人群
对分类结果影响越大的特征其权重越大
注：D为M*N的矩阵，N为标签列，若训练集中无此列需要注意添加一列0，不然最后一维的特征将被省略。
2022-04-20 18:08:35
985B
1
【达摩老生出品，必属精品，亲测校正，质量保证】
资源名：matlab_fisher score_用于特征选择的方法
资源类型：matlab项目全套源码
源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。
适合人群：新手及有一定经验的开发人员
2022-04-20 17:05:55
12KB
【达摩老生出品，必属精品，亲测校正，质量保证】
资源名：matlab MRMR和relieff特征选择方法
资源类型：matlab项目全套源码
源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。
适合人群：新手及有一定经验的开发人员
2022-04-19 09:05:57
112KB