基于核极化的特征选择在LSSVM的应用

摘要：

为了对最小二乘支持向量机中样本的各个特征的差异性进行研究,引入了多参数高斯核,在分析核极化几何意义的基础上,提出了基于核极化梯度迭代优化多参数高斯核的特征选择算法.利用核极化梯度迭代算法对样本中每个特征的重要性程度进行测定;按特征的重要性大小进行LSSVM样本的特征选择;运用LSSVM对选出的特征子集进行训练和测试,称该方法为KP_LSSVM.UCI数据集上的实验结果表明,相较于PCA_LSSVM、KP-CA_LSSVM和LSSVM方法,提出的方法可以取得更为准确的分类结果,验证了该方法的有效性.

关键词：特征选择、最小二乘支持向量机、核极化

所属期刊栏目：53

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金21366017

在线出版日期：2017-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：164-167,172