基于微粒群算法和支持向量机的特征子集选择方法

被引：27

作者：

乔立岩

彭喜元

彭宇

机构：

[1] 哈尔滨工业大学自动化测试与控制系

来源：

电子学报 | 2006年 / 03期

关键词：

微粒群算法; 支持向量机; 特征子集选择;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

在模式分类系统中,大量无关或冗余的特征往往会降低分类器的性能,因此需要特征选择.本文提出了基于离散微粒群(BPSO)和支持向量机(SVM)封装模式的特征子集选择方法,首先随机产生若干种群(特征子集),然后用BPSO算法对特征进行优化,并用SVM的10阶交叉验证结果指导算法的搜索,最后选出最佳适应度的子集对SVM进行训练.两个UC I机器数据集(户外图像和电离层)的实验结果表明了提出算法的有效性.

引用

页码：496 / 498

页数：3