基于LS-SVM与模糊补准则的特征选择方法

• 作者: 李滔 李素姝 王士同
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 特征选择 分类 最小二乘支持向量机 模糊补准则 模糊隶属度函数
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 34-42
• 页数: 9页
• 分类号: TP181
• 字数: 6538字
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.0.2016.308

摘要

针对传统特征选择算法采用单一度量的方式难以兼顾泛化性能和降维性能的不足,提出新的特征选择算法(least squares support vector machines and fuzzy supplementary criterion,LS-SVM-FSC).通过核化的最小二乘支持向量机(least squares support vector machines,LS-SVM)对每个特征的样本进行分类,使用新的模糊隶属度函数获得每个样本对其所属类的模糊隶属度,使用模糊补准则选择具有最小冗余最大相关的特征子集.试验表明:与其他10个特征选择方法与7个隶属度决定方法相比,所提算法在9个数据集上都具有很高的分类准确率和很强的降维性能,且在高维数据集中的学习速度依然很快.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同	江南大学数字媒体学院	528	3424	23.0	37.0
2	李滔	江南大学数字媒体学院	6	29	2.0	5.0
3	李素姝	江南大学数字媒体学院	2	6	1.0	2.0