一種簡約有效特徵選取方法在模式感知網路上之運用

A Kind of Simple and Effective Feature Selection Method Using Modular Perception Networks

林啟榮(Chii-Rong Lin)

指導教授 ： 李衍博

健行科技大學/電資學院/資訊工程所/碩士(2010年)

摘要

本論文提出一種有效率之混合式特徵子集選取方法，以克服因資料具多特徵所增加的計算數量，並且在分類法問題上獲得良好之學習能力。所提出之方法包含兩個步驟：(1)擬定一評估程序，用來產生特徵重要性之排序；(2)建構一新的二元式搜尋特徵子集（BSFS, Binary Search Feature Subset）演算法，以產生最佳特徵子集合。本篇並運用所提出之方法應用在模式感知網路（MPNs, Modular Perception Networks），並以實際之資料集來執行學習及運用。從實驗結果得知，輸入資料之特徵可減少約75％~88％，資料之計算量也可減少約67％~91％，並且可獲得一較小規模之模式感知網路(MPNs)，其學習及測試能力保持和之前一些常用方法一樣，具有良好的水準。

關鍵字

特徵選取 ； 選擇方法 ； 模式感知網路

並列摘要

In this paper, a simple and efficient feature subset selection method is proposed to overcome the curse of dimensionality and to obtain good learning performance on classification problems. The proposed method includes two steps: (1) Scheming an evaluation function to create the rank of the feature significance; (2) Constructing a new Binary Search Feature Subset (BSFS) algorithm to generate the optimum feature subset.
In this study, the proposed method is applied on a Modular Perception Networks (MPNs) to learn the real word datasets. It shows that from the experimental results the feature of the input data can be decreased largely (less 75%~88%), the data presentations are reduced (less 67%~91%) and a small size MPNs can be procured with learning and testing performance maintained as the good level as before.

並列關鍵字

Feature Selection ； Selection Method ； Modular Perception Networks (MPNs)

參考文獻

1.曾憲雄、蔡秀滿、蘇東興、曾秋蓉、王慶堯，資料探勘Data Mining，旗標出版股份有限公司，台北市，民國九十四年。

2.丁一賢、陳牧言，資料探勘Data Mining，滄海書局，台中市，民國九十四年四月。

3.王人鋒，「兩階段決策之委員會機器」，國立中山大學，碩士論文，民國九十二年二月。

4.John A. Bullinaria, “Neural Computation”, http://www.cs.bham.ac.uk/~jxb/inc.html, 2009.

5.Shen, L.J., Y. P. Lee, H. C. Fu, “Feature Reduction for Recognition by PDBNN”, International Computer Proceedings, pp: 63-66, 1998.