基于互信息和分形维数的无监督特征选择方法

摘要

本发明公开了一种结合互信息和分形维数的无监督特征选择方法，为解决多维原始特征中所含的冗余和不相关特征导致的子空间学习算法信息融合性能降低的问题。首先，利用原始特征提取方法对产品进行多维特征信息提取工作，得到产品时域、频域、时频域等多维特征信息；其次，基于互信息定义，在综合考虑多维特征间冗余度和相关度的基础上，对其进行特征重要度排序，得到已排序多维特征集；然后基于分形理论，基于分形采用维数的特征子集评价标准对已排序多维特征集进行特征子集选择，得到最优特征子集；最后，利用子空间学习方法对最优特征子集进行融合降维，得到产品综合特征。本发明在综合考虑特征冗余度和相关度的基础上，去除与特多维原始特征集相关程度小且冗余程度大特征，提高子空间学习方法信息融合性能，同时得到产品综合特征。