全文总字数：5250字

1. 研究目的与意义及国内外研究现状

在现代计算机和数据库技术的飞速发展下，数据积累的速度是人类数据处理能力所无法比拟的。

数据挖掘是数据库、机器学习和统计的多学科合作成果，它支持将海量数据转化为宝贵数据。

研究人员和实践者认识到，为了有效地使用数据挖掘工具，数据预处理对于成功的数据挖掘是必不可少的。

2. 研究的基本内容

FCBF是评估变量中一种具有代表性的方法，它使用对称不确定性评估标准。SU是一种非线性评估标准，被广泛的用于衡量特征与类之间的相关性，或者是特征和特征之间的相关性。使用SU在比较特征的相关性时比使用信息增益更合理，更公平，因为它对互信息归一化处理，并且补偿了所选特征中的信息增益偏差。SU的值介于0和1之间，当值为1时，表示这两个变量完全相关，也就是说一个变量可以完全预测另一个变量；当值为0时，就意味着这两个变量完全独立。

FCBF分两步选择有效功能。首先，根据SU标准去除不相关特征，之后，应删除冗余功能。为了找到冗余特征，首先，根据其SU值对特征进行排序，使得具有最高SU的特征位于队列的第一位置。此功能称为Fp并被选中。然后选择和分析其他功能，如果它们被识别为冗余功能Fp，他们将被删除; 否则，他们将留下来。当检查队列中的所有特征时，获得许多特征，这些特征相对于第一特征不是多余的。现在，是时候选择队列中的第二个功能并分析它的冗余条件。同样，删除了具有此功能的冗余功能。此过程将继续，直到选择最后一个功能为止Fp并且没有其他特征需要分析。剩下的功能是FCBF选择的功能。

3. 实施方案、进度安排及预期效果

2019年1月2日至2019年1月15日完成特征选择基本概念理解，并完成相应文档。

至1月21日完成信息度量基本概念以及方法理解，并完成相应文档。

至2月25日完成fcbf算法基本概念，并完成相应文档。

4. 参考文献

[1]刘海燕. 基于信息论的特征选择算法研究 [d]; 复旦大学, 2012.

[2]shannon c e. a mathematical theory of communication [j]. bell system technical journal, 1948, 27(3): 379-423.

[3]姚旭, 王晓丹, 张玉玺, et al. 特征选择方法综述 [j]. 控制与决策, 2012, 27(02): 161-6 92.