用于水声目标识别的互信息无监督特征选择

摘要

针对水声目标数据中存在大量无类标样本和冗余特征的问题,提出三种基于互信息的无监督特征选择方法,分别采用不同的连续特征离散化方法对数据进行预处理,然后利用熵和互信息理论计算任意两个特征间的互信息,根据文中定义的特征评价标准对特征进行重要性评价.使用水下目标实测数据进行特征选择和识别实验,在保持支持向量机平均分类正确率基本不变的情况下,特征数目可以降低35％、35％和87％,结果表明三种方法均能选择出有效的特征子集,在去除冗余特征后有效地提高了后续学习算法的效率.