10.3969/j.issn.1000-3428.2009.14.070
基于自适应遗传算法和SVM的特征选择
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.
风险、特征选择、遗传算法、支持向量机
35
TP301.6(计算技术、计算机技术)
国家自然科学基金资助项目50778109;上海市重点学科基金资助项目J50103
2009-08-19(万方平台首次上网日期,不代表论文的发表时间)
共4页
200-202,226