基于LS-SVM與模糊補準則的特征選擇方法
李素姝; 王士同; 李滔 江南大學數(shù)字媒體學院; 江蘇無錫214122
關鍵詞：特征選擇 分類 最小二乘支持向量機 模糊補準則 模糊隸屬度函數(shù)
摘要：針對傳統(tǒng)特征選擇算法采用單一度量的方式難以兼顧泛化性能和降維性能的不足,提出新的特征選擇算法（least squares support vector machines and fuzzy supplementary criterion,LS-SVM-FSC）。通過核化的最小二乘支持向量機（least squares support vector machines,LS-SVM）對每個特征的樣本進行分類,使用新的模糊隸屬度函數(shù)獲得每個樣本對其所屬類的模糊隸屬度,使用模糊補準則選擇具有最小冗余最大相關的特征子集。試驗表明：與其他10個特征選擇方法與7個隸屬度決定方法相比,所提算法在9個數(shù)據(jù)集上都具有很高的分類準確率和很強的降維性能,且在高維數(shù)據(jù)集中的學習速度依然很快。
山東工業(yè)大學學報雜志要求:
{1}引言作為論文的開場白，應以簡短的篇幅介紹論文的研究背景和目的，對相關領域內前人所做的工作和研究進行簡要的概括。
{2}本刊恕不退稿，請作者自留底稿，切勿一稿多投。
{3}文題一般字數(shù)不超過25字。正文各級標題用阿拉伯數(shù)字連續(xù)編號，層次分明，可用至4級標題。
{4}論著須附200～300字中英文摘要，包括目的、方法、結果、結論。
{5}作者簡介（包括作者姓名、出生年、性別、民族、籍貫、工作單位、職務或職稱、學位等），并在文末附上詳細的通訊地址、郵政編碼、聯(lián)系電話和電子信箱。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
