基于核极化的特征选择在LSSVM的应用

• 作者: 张文兴 陈肖洁
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 特征选择 最小二乘支持向量机 核极化
• 年，卷（期）: 2017,（19）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 164-167,172
• 页数: 5页
• 分类号: TP181
• 字数: 3633字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1603-0372

摘要

为了对最小二乘支持向量机中样本的各个特征的差异性进行研究,引入了多参数高斯核,在分析核极化几何意义的基础上,提出了基于核极化梯度迭代优化多参数高斯核的特征选择算法.利用核极化梯度迭代算法对样本中每个特征的重要性程度进行测定;按特征的重要性大小进行LSSVM样本的特征选择;运用LSSVM对选出的特征子集进行训练和测试,称该方法为KP_LSSVM.UCI数据集上的实验结果表明,相较于PCA_LSSVM、KP-CA_LSSVM和LSSVM方法,提出的方法可以取得更为准确的分类结果,验证了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张文兴	内蒙古科技大学机械工程学院	39	127	6.0	8.0
2	陈肖洁	内蒙古科技大学机械工程学院	11	20	3.0	3.0