研究文章
优化Mahalanobis-Taguchi系统高维小样本数据分类
算法1
优化的算法流Mahalanobis-Taguchi系统。
|
输入:训练数据集
,特性集
; |
|
输出:特征子集
,阈值
; |
| (1) |
规范化的数据,然后计算每个观测到引用的RS-MD空间; |
| (2) |
如果RS-MD异常的观察是明显大于正常的观察,继续下一步;否则,回忆数据; |
| (3) |
使用mRMR算法去除冗余和噪声特性和选择最优特征子集
; |
| (4) |
构造一个二级正交表按照特征子集
。计算信噪比按照RS-MD异常的观察和结合正交表和信噪比选择特征子集巨大贡献; |
| (5) |
重新计算每个样本的医学根据特征子集然后确定分类阈值通过使用ROC曲线; |
| (6) |
返回
,
。 |
|
