特征向量的归一化比较性研究

• 作者: 肖汉光 蔡从中
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 归一化 特征向量 参数优化 支持向量机
• 年，卷（期）: 2009,（22）
• 所属期刊栏目: 数据库、信息处理
• 页码范围: 117-119
• 页数: 3页
• 分类号: TP18
• 字数: 3191字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2009.22.038

摘要

特征提取和分类器的参教优化是提高分类准确率的主要途径,对公用数据库UCI的相关数据进行特征向量的归一化处理,采用KNN、PNN和SVM进行分类.讨论了特征归一化对分类准确率和分类器参数的影响.实验结果表明:归一化能有效提高分类器的分类准确率,SVM尤为明显,且参数的寻优范围缩小,缩短训练周期.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡从中	重庆大学数理学院	24	228	7.0	14.0
2	肖汉光	重庆工学院数理学院	4	116	3.0	4.0