基于特征选择的相对k子凸包分类方法

• 作者: 刘好斌 牟廉明
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 相对k子凸包分类 自适应 判别正则化 特征选择
• 年，卷（期）: 2017,（5）
• 页码范围: 1005-1011
• 页数: 7页
• 分类号: TP391
• 字数: 3741字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2017.05.018

摘要

k子凸包分类方法在实际问题中有广泛应用.但随着问题维数的增加,该方法计算得到的凸包距离非常接近甚至相等,这严重影响了分类性能.针对此问题,本文设计了一种基于特征选择的相对k子凸包分类方法.首先根据绝对凸包距离存在的不足引入相对k子凸包距离,然后在k邻域内利用判别正则化技术进行特征选择,并将特征选择融入相对k子凸包优化模型中,为每个测试样本在不同的类别中学习一个自适应的特征子集,从而得到一个用于分类的有效相对k子凸包距离.实验结果表明,该方法不仅能够进行特征选择,而且分类性能也有了明显提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	牟廉明	内江师范学院数学与信息科学学院	46	187	7.0	11.0
3	刘好斌	内江师范学院数学与信息科学学院	15	17	3.0	3.0