广义的势支撑特征选择方法GPSFM

被引：7

作者：

皋军 ^{[1
,2
,3
]}

王士同 ^{[1
,3
]}

邓赵红 ^{[1
,3
]}

机构：

[1] 江南大学信息工程学院

[2] 盐城工学院信息工程学院

[3] 浙江大学CAD & CG国家重点实验室

来源：

计算机研究与发展 | 2009年 / 01期

关键词：

分类; 并矢矩阵; 特征选择; 支撑特征; 势支撑向量机;

D O I：

暂无

中图分类号：

TP301 [理论、方法];

学科分类号：

081202 ;

摘要：

势支撑向量机P-SVM(potential support vector machine)作为一种新颖的封装型特征选择方法在许多领域得到了成功的运用,然而依据Fisher准则的基本原理发现势支撑向量机方法对应的目标函数只是类内离散度各类均值为0的一种特殊形式,从而使该方法的运用受到一定的限制.同时由于要求各类样本均值为0,一定程度上会导致在0矢量周围出现样本交叉,从而不利于P-SVM方法得到最优决策超平面,降低分类效果.因此利用一般的类内散度重新构造目标函数,提出一种广义的势支撑特征选择方法GPSFM(generalized potential support features selection method).GPSFM方法在一定程度上继承了P-SVM的优点,而且还具有特征选择冗余度低、选择速度快和适应能力强的特点,从而使得该方法表现出较之于P-SVM更好的特征选择和分类效果.实验结果表明该方法具有上述优势.

引用

页码：41 / 51

页数：11

共 11 条

[1] 肿瘤信息基因启发式宽度优先搜索算法研究 [J].

王树林 ;

王戟 ;

陈火旺 ;

李树涛 ;

张波云 .

计算机学报, 2008, (04) :636-649

[2] 基于向量集约简的精简支持向量机 [J].

曾志强 ;

高济 .

软件学报, 2007, (11) :2719-2727

[3] 文本分类中基于基尼指数的特征选择算法研究 [J].

尚文倩 ;

黄厚宽 ;

刘玉玲 ;

林永民 ;

瞿有利 ;

董红斌 .

计算机研究与发展, 2006, (10) :1688-1694

[4] 考虑样本不平衡的模型无关的基因选择方法 [J].

李建中 ;

杨昆 ;

高宏 ;

骆吉洲 ;

郭政 .

软件学报, 2006, (07) :1485-1493

[5] 秩和基因选取方法及其在肿瘤诊断中的应用 [J].

邓林 ;

马尽文 ;

裴健 .

科学通报, 2004, (13) :1311-1316

[6] 适于癌基因表达数据集的新特征提取标准NFEC及其分类新算法研究 [J].

邓赵红 ;

王士同 ;

胡德文 .

生物信息学, 2004, (02) :13-20

[7]

模式分类[M]. 机械工业出版社 , (美)RichardO.Duda等著, 2003

[8] Support vector machines for dyadic data [J].

Hochreiter, Sepp ;

Obermayer, Klaus .

NEURAL COMPUTATION, 2006, 18 (06) :1472-1510

[9]

( 2 D ) 2 PCA : Two-directional two-dimensional PCA for efficient face representation and recognition[J] . Daoqiang Zhang,Zhi-Hua Zhou.Neurocomputing . 2005

[10] Gene Selection for Cancer Classification using Support Vector Machines [J].

Isabelle Guyon ;

Jason Weston ;

Stephen Barnhill ;

Vladimir Vapnik .

Machine Learning, 2002, 46 :389-422

← 1 2 →