应用遗传算法优化子空间的SVM分类算法

摘要：

提出了一种应用遗传算法优化子空间的SVM分类算法GS-SVM.该算法首先改进样本选择策略,采用基于置信度和凸包的样本选择方法,考虑类间距离和样本分布等因素,选择典型代表样本作为SVM的新训练集；然后采用矩阵式混合编码方式,利用遗传算法一并优化代表样本的特征子空间和SVM分类参数,并根据特征优化后的代表样本,构建SVM分类模型.在UCI的11个数据集上进行的仿真实验结果表明,该算法在大部分数据集上均可获得较小的样本规模和特征维数,以及较高的分类精度.

关键词：子空间分类、遗传算法、支持向量机、样本选择、凸包

所属期刊栏目：40

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金项目61202030

在线出版日期：2013-12-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：255-260,275