一种基于PSO同步进行特征选择及参数优化的核K近邻分类算法

被引：5

作者：

任江涛

姚树宇

纪庆革

机构：

[1] 中山大学计算机科学系

来源：

小型微型计算机系统 | 2007年 / 08期

基金：

广东省自然科学基金;

关键词：

特征选择; 分类器参数; 同步优化; 粒子群算法; 核K近邻算法;

D O I：

暂无

中图分类号：

TP391.4 [模式识别与装置]; TP18 [人工智能理论];

学科分类号：

0811 ; 081101 ; 081104 ; 1405 ; 0812 ; 0835 ;

摘要：

特征选择及分类器参数优化是提高分类器性能的两个重要方面,传统上这两个问题是分开解决的.近年来,随着进化优化计算技术在模式识别领域的广泛应用,编码上的灵活性使得特征选择及参数的同步优化成为一种可能和趋势.为了解决此问题,本文研究采用二进制PSO算法进行特征选择及核K近邻分类器参数的同步优化.实验表明,该方法可有效地找出合适的特征子集及核函数参数,并取得较好的分类效果.

引用

页码：1461 / 1464

页数：4