基于救济的算法由于其低的计算成本和高精度而被广泛用于特征选择。 但是，可用的基于救济的算法有其局限性。 为了进一步提高基于Relief的方法的性能，我们提出了一种基于Logistic迭代救济（LI-Relief）和局部超平面救济（LH-Relief）方法的新颖特征选择算法，称为Logistic基于局部超平面的Relief（ LLH-Relief）。 LLH-Relief使用局部学习来找到给定样本的邻居表示，并通过使用逻辑回归和ℓ1-范数正则项解决优化问题来学习特征权重。 为了证明LLH-Reli