论文摘要
分类问题是模式识别领域的一个主要问题,分类的准确性与分类器的选择、样本数量以及样本维数有很大的关系。其中,样本的特征选择问题是首先遇到的关键问题,而提取出对分类有用并且有效率的特征尤为重要。随着科技水平的提高,人们在某些领域得到的样本维数都比较高,因此,特征选择问题越来越受到人们的重视。很多研究人员致力于特征选择问题的研究。近年来,基于生物智能的进化算法得到了充分发展,与此同时,基于智能算法及其混合算法的特征选择方法不断涌现。本文将粒子群算法与最小二乘支持向量机结合,改进离散粒子群算法中速度和位置的更新公式,提出一种混合特征选择方法。该方法充分利用最小二乘支持向量机易于求解的优点,采用最小二乘支持向量机构造分类器,并且以分类的准确率作为粒子群算法寻优过程中的适应度函数的主要成分。实验表明,本文所提出的方法可以有效地获取对分类贡献较大的特征,从而降低了数据维数,提高了分类效率。
论文目录
相关论文文献
标签：特征选择论文; 最小二乘支持向量机论文; 粒子群算法论文;