基于SVM-RFE-BPSO算法的特征选择方法
为了在特征选择中获得具有较高分类准确率的特征子集,提出了一种基于支持向量机递归特征消除法(SVM-RFE)和二进制粒子群算法(BPSO)的特征选择方法.该方法首先利用SVM-RFE快速去掉部分无关特征,初步缩减数据维数,然后以粒子群算法继续搜索最优子集,并将SVM-RFE算法得到的优良子作为粒子群算法的部分初始种群,使后续粒子群算法有一个较好的搜索起点.SVM-RFE既减少了粒子的搜索空间,又为其提供了先验知识,从而提高算法的搜索效率和识别精度.实验结果表明,该方法可以在分类准确率更高或相等的情况下得到维数更少的子集.
支持向量机、特征选择、SVM-RFE、粒子群算法
36
TP391(计算技术、计算机技术)
2016-09-18(万方平台首次上网日期,不代表论文的发表时间)
共4页
1865-1868