10.3778/j.issn.1002-8331.2010.26.052
一种基于PCA和ReliefF的特征选择方法
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.
特征选择、主成分分析、支持向量机
46
TP181(自动化基础理论)
国家自然科学基金the National Natural Science Foundation of China under Crrant 60975026;陕西省自然科学研究计划项目2007F19
2010-11-30(万方平台首次上网日期,不代表论文的发表时间)
共3页
170-172