摘 要 本文提出一种新的多层神经网络的特征提取的方法。基于所提出的每个特征的评价函数值，此方法能够给出所有特征的排序。该方法在人造数据集和真实数据集上进行了实验。实验结果表明OMI能够准确地高效地在各种数据集上鉴别出最优特征集。关键词 特征选取；特征排序；神经网络；多层神经网络 1 引言随着信息科学技术的快速发展，在工业界和学术界有着更复杂和更大的多变量建模问题。研究人员发现当不相关和冗余的特征向量剔除之后，模式识别技术的性能将显著的提高。由此，特征提取成为了数据预处理和数据挖掘技术的重要的步骤之一。具体来讲，特征提取有助于在线计算，加强系统的可读性，以及提高系统的预测性能。一般来讲，特征选择有两大步骤：计算评价函数值和特征子集搜寻1。评价函数要能反映出特征向量与数据类信息的匹配度信息，以及分类器性能变化的信息。而就特征子集搜寻来讲，为了避免繁冗的无遗漏搜寻，一些被大多数学者认可的搜寻方法被广泛采用，例如：前向选择，后向删除，双向搜寻等等2。与完全搜寻和随即搜寻相比，这三种顺序的搜寻方法都能简单而快速的执行。在构造输入数据和输出数据
