基于遗传算法和支持向量机的特征子集选择方法

• 作者: 乔立岩 彭喜元 马云彤
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 遗传算法 支持向量机 特征子集选择
• 年，卷（期）: 2006,（1）
• 页码范围: 1-5
• 页数: 5页
• 分类号: TM93
• 字数: 3914字
• 语种: 中文

摘要

在模式分类系统中,往往需要从大量的特征中选择最优的特征子集,人工选择特征的方法往往费时费力,本文采用遗传算法(GA)对支持向量机进行封装的方法选择特征子集.首先使用遗传算法随机产生若干特征子集,通过选择、交叉和变异操作产生新的特征子集,经过若干代之后,得到最优的特征子集.在遗传算法中最重要的是适应度的确定,本文用支持向量机(SVM)作为分类器,为了避免出现"过拟和",把特征子集的5阶交叉验证分类准确率和特征数量的联合函数作为适应度函数.对UCI机器学习库中sonar和led数据集进行实验,结果表明本方法可以有效滤除无关特征并提高分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭喜元	哈尔滨工业大学电气工程及自动化学院自动化测试与控制系	106	2018	25.0	40.0
2	乔立岩	哈尔滨工业大学电气工程及自动化学院自动化测试与控制系	39	605	12.0	24.0
3	马云彤	哈尔滨工业大学电气工程及自动化学院自动化测试与控制系	9	118	3.0	9.0