关键词: 特征选择, 最大信息系数, 马尔科夫毯代表集, 你好， 适应度函数, 粒子群算法

摘要：

针对高维数据分类不满足信度分布的问题，提出了一种基于粒子群优化的马尔可夫覆盖特征选择算法。通过有效提取相关特征并消除冗余特征，可以产生更好的分类结果。在特征预处理阶段，该算法利用最大信息系数度量标准分析特征的相关性和冗余性，得到类属性的马尔可夫覆盖代表集和次优特征子集。在搜索和评估阶段，使用新的适应度函数通过粒子群优化来选择最优特征子集。该模型用于预测测试集。实验结果表明，该算法在12个数据集上具有一定的优势。

关键词： 特征选择， 最大信息系数， 马尔可夫毯子代表集， 次优特征子集， 健身功能， 粒子群优化