特征向量的归一化比较性研究

摘要：

特征提取和分类器的参教优化是提高分类准确率的主要途径,对公用数据库UCI的相关数据进行特征向量的归一化处理,采用KNN、PNN和SVM进行分类.讨论了特征归一化对分类准确率和分类器参数的影响.实验结果表明:归一化能有效提高分类器的分类准确率,SVM尤为明显,且参数的寻优范围缩小,缩短训练周期.

关键词：归一化、特征向量、参数优化、支持向量机

所属期刊栏目：45

分类号：TP18(自动化基础理论)

资助基金：国家教育部新世纪人才支持计划the New Cenmry Excellent Talent Foundation from MOE of China under Grant NCET-07-0903;重庆市自然科学基金the Natural Science Foundation of Chongqing city of China under Grant 2006BB5240;重庆工学院青年教师科研基金the Young Teacher Scientific Research Foundation of Chongqing Institute of Technology under Grant 20062D39

在线出版日期：2009-09-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：117-119