| 输入:数据集
，
样品,特性 |
| K//划分的特征子集的数量 |
| 输出:最优特征子集
，
样品,特性 |
| 开始 |
| 阶段1:过滤不相关的特征 |
| 为我= 1,米: / /麦克风计算 |
| 标准化和
； |
| 计算中每个特征的MIC评分值
； |
| 结束 |
| 根据评价指标RMSE，确定过滤后的候选特征子集，得到候选特征子集尺寸按升序排列; |
| 然后，将选定的候选特征子集序列划分为:
；/ /分K股票 |
|
；//初始化最优特征子集为空 |
| 阶段2:消除冗余特性 |
| 利用AMB方法对第一个特征子集进行冗余分析，并过滤掉非冗余特征加入
； |
| 为我= 2K: / /迭代AMB |
|
；//添加当前最优特征子集到下一个分区子集 |
|
；//使用AMB方法更新最优特征列表，最后 |
| 结束 |
| 建立回归模型，验证和评价模型的效度和信度; |
| 结束 |
|
