Resumen

Se desarrolla un método eficiente de selección de características sin supervisión basado en el vector discriminante óptimo sin supervisión para encontrar las características importantes sin utilizar etiquetas de clase. Las características se clasifican según la medida de importancia de la característica basada en el vector discriminante óptimo no supervisado en los siguientes pasos. En primer lugar, se adopta el criterio difuso de Fisher como función objetivo para derivar el vector discriminante óptimo en el patrón no supervisado. En segundo lugar, se define la medida de la importancia de las características basada en los elementos del vector discriminante óptimo no supervisado para determinar la importancia de cada característica. Las características con una medida de importancia baja se eliminan del subconjunto de características. Se realizan experimentos con el conjunto de datos UCI y el diagnóstico de fallos para demostrar que el método propuesto es muy eficiente y capaz de ofrecer resultados fiables.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:vector discriminante óptimo no supervisado, medición de la importancia de las características, método eficiente de selección de características no supervisado, criterio difuso de fisher, medición de la poca importancia, vector discriminante óptimo, conjunto de datos uci, etiquetas de clase, diagnóstico de fallos, subconjunto de características
• Keywords:unsupervised optimal discriminant vector, feature importance measurement, efficient unsupervised feature selection method, fuzzy fisher criterion, little importance measurement, optimal discriminant vector, uci dataset, class labels, fault diagnosis, feature subset