10.3969/j.issn.1001-3695.2012.05.049
基于小生境遗传算法的分类优化方法
对于多分类问题,大多是经二分类器组合进行训练的,在分类类别多、特征维数高时,存在识别准确率不高和训练速度较慢的问题.将超球支持向量机应用到多类问题,为每个类建立一个超球体模型,通过多个超球体划分样本空间.采用改进的基于排挤的小生境遗传算法(improved crowding niche genetic algorithm,ICNGA)进行特征选择,为不同的目标类别寻找最优的特征子集,优化超球支持向量机的输入.利用UCI标准数据集的数值实验表明,在分类数据类别较多、特征维数较高时,经过ICNGA特征选择之后的多超球支持向量机的识别准确度更好,非常适合解决类别数多、特征维数高的分类问题.
遗传算法、排挤小生境技术、超球支持向量机、特征选择
29
TP183(自动化基础理论)
国家重点基础研究发展计划资助项目2011CB302906;国家重大科技专项基金资助项目2010ZX03006-004
2012-07-27(万方平台首次上网日期,不代表论文的发表时间)
共4页
1787-1790