摘要:针对训练样本集的分类特征优化选择问题,改进了样本可分度标准:Kullback-Leiber距离,并进行了有效性验证.在此基础上定义了欧氏距离分布熵(Distribution Entropy of Euclidian Distance DEED)这一空间分布信息度量参数,同时给出了它的计算方法.提出了“类间互欧氏距离分布熵”(between—class DEED)与“类内自欧氏距离分布熵”(within-class DEED)的分析方法.进一步将其用于样本可分性分析,验证了两者比值愈大,特征样本集可分度愈好这一结论.
关键词:改进kl距离 欧氏距离 分布熵 特征优化
单位:中国科学院声学研究所; 北京100080
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社