一种基于PCA和ReliefF的特征选择方法

被引：24

作者：

蒋玉娇 ^{[1
]}

王晓丹 ^{[1
]}

王文军 ^{[2
]}

毕凯 ^{[1
]}

机构：

[1] 空军工程大学导弹学院计算机工程系

[2] 第四军医大学教育技术中心

来源：

计算机工程与应用 | 2010年 / 26期

关键词：

特征选择; 主成分分析; 支持向量机;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

如何减少样本的训练测试时间、提高分类精度是有效特征选择方法研究的重要方面。提出了一种结合PCA和ReliefF的特征选择算法。该算法选择出了最具有代表性的特征,构成有效特征子集,实现了特征降维。同时,较PCA-GA方法,该算法具有简单、快速等优点。利用标准数据集进行的实验结果表明,文中算法是可行的、有效的,为模式识别的信息特征压缩提供了一种新的研究方法。

引用

页码：170 / 172

页数：3