基于自适应遗传算法和SVM的特征选择

被引：28

作者：

计智伟 ^{[1
]}

吴耿锋 ^{[1
]}

胡珉 ^{[2
]}

机构：

[1] 上海大学计算机工程与科学学院

[2] 上海大学悉尼工商学院

来源：

计算机工程 | 2009年 / 35卷 / 14期

关键词：

风险; 特征选择; 遗传算法; 支持向量机;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

针对传统风险辨识方法无法实现盾构隧道施工过程中的风险状态实时识别的问题,提出一种自适应遗传算法和支持向量机结合的特征选择方法(AGASVM),筛选出与施工质量风险关系最为密切的关键特征集。实验结果表明,用AGASVM所获得的关键特征集用于施工风险状态实时识别的分类准确率较高。其特征集规模比原始特征集有明显缩减,而且绝大部分关键特征与领域专家的意见是吻合的。

引用

页码：200 / 202+226 +226

页数：4