常用粗糙集特征选择（属性约简）的算法汇总
这些算法主要建立在粗糙集工具箱Feast,MIToolbox进行实现。工具箱的安装：https://blog.csdn.net/qq_44822612/article/details/131816235
MIM， MRMR， MIFS， CMIM， JMI， DISR， CIFE， ICAP， CONDRED， CMI， RELIEF， FCBF， BETAGAMMA
以及以下各项的加权实现： MIM， CMIM， JMI， DISR， CMI
- MRMR算法
selectedIndices = feast('mrmr',10,data,labels) %mrmr算法，选择10个特征
H. Peng, F. Long, and C. Ding, “Feature selection based on mutual information criteria ofmax-dependency, max-relevance, and min-redundancy,”IEEE Trans. Pattern Anal. Mach. Intell., vol. 27, no. 8, pp. 1226–1238,Aug. 2005.
- MIFS算法
selectedIndices = feast('mifs',10,data,labels,0.7) %% 使用 beta = 0.7 的 MIFS 算法选择前 10 个特征
R. Battiti, “Using mutual information for selecting features in supervised neural net learning,” IEEETrans. Neural Netw., vol. 5, no. 4, pp. 537–550, Jul. 1994.
- FCBF算法
selectedIndices = feast('fcbf',10,data,labels,0) %% 使用 beta = 0 的 MIFS 算法选择前 10 个特征
L. Yu and H. Liu, “Efficient feature selection via analysis of relevance and redundancy,” J. Mach. Learn. Res., vol. 5, pp. 1205–1224, 2004.
