共 10 条
- [1] 基于粒子群优化的最小二乘支持向量机在混合气体定量分析中的应用[J]. 李玉军,汤晓君,刘君华.光谱学与光谱分析. 2010(03)
- [8] 基于支持向量机的特征选择方法的研究与应用[D]. 毛勇.浙江大学 2006
- [9] 模式识别[M]. 清华大学出版社 , 边肇祺等编著, 2000
- [10] 统计学习理论的本质[M]. 清华大学出版社 , (美)VladimirN.Vapnik著, 2000
基于改进SVM-RFE的特征选择方法研究
被引：8
|作者：
王俭臣
[1
]
单甘霖
[1
]
张岐龙
[1
]
段修生
[1
]
机构：
[1] 军械工程学院光学与电子工程系
来源：
关键词：
SVM-RFE;
特征选择;
PSO;
分类正确率;
D O I：
暂无
中图分类号：
TP391.41 [];
学科分类号：
080203 ;
摘要：
SVM-RFE特征选择算法是一种有效的特征选择方法,具有较高的应用价值。针对传统SVM-RFE特征选择算法中SVM参数(γ和C)难以确定的问题,本文采用粒子群算法搜索SVM的参数。然后将特征向量映射到SVM参数γ确定的核空间中并进行特征选择,有效地将特征选择与SVM分类器设计关联起来。仿真结果表明,特征选择后的数据集仍能保证SVM分类器具有较高的分类正确率。
引用
收藏
页码：70 / 74
页数：5
相关论文