摘要
灰关系分析因为能够度量参考样本和比较样本间的相似性而被广泛应用于聚类和分类算法,尤其是样本信息不完全以及样本量较小时.其时间域通常为横向的每个样本的各个特征的数据.本文则从一个不同的角度,将灰关系的时间域变化为垂直方向的每个特征下各个样本的数据,并将排序问题的结果或者分类问题的标号作为其参考向量,通过特征对应列和参考向量之间的灰关系分析进而度量特征的重要性,从而为基于重要性的特征选择提供决策依据.该方法可广泛应用于大量特征但样本稀少情形下的降维,并能提供解释性良好的特征重要性参数.为验证这种重要性评估方法,在田径十项全能项目以及IRIS数据集上进行了基于灰关系的特征重要性评估实验,验证了该方法的实用价值.
NETL