|
|||||
|
|
| 改进的支持向量机特征选择算法 | |
| 引用本文： | 吕世聘,王秀坤,孙岩,唐一源.改进的支持向量机特征选择算法[J].计算机工程,2009,35(1):171-172. |
| 作者姓名： | 吕世聘 王秀坤 孙岩 唐一源 |
| 作者单位： | 1. 大连理工大学神经信息学研究所,大连,116023;大连理工大学计算机科学与工程系,大连,116023 2. 大连理工大学计算机科学与工程系,大连,116023 3. 大连理工大学计算机科学与工程系,大连,116023;辽宁师范大学计算机与信息技术学院,大连,116029 4. 大连理工大学神经信息学研究所,大连,116023 |
| 摘 要： | 针对采用支持向量机进行分类的特征子集选择问题，提出一种改进的基于梯度向量的特征评测算法。该算法在核特征空间中，利用数据点到分类超平面的距离函数的梯度向量对各个特征的重要性进行排序，省去了已有算法中计算梯度向量与各个坐标轴夹角的过程，实验结果表明，该算法简化了已有的基于角度的特征选择方法，并且结果保持一致。 |
| 关 键 词： | 支持向量机 特征选择 核函数 |
| 修稿时间： | |
Improved Feature Selection Algorithm for SVM |
|
| LV Shi-pin,WANG Xiu-kun,SUN Yan,TANG Yi-yuan.Improved Feature Selection Algorithm for SVM[J].Computer Engineering,2009,35(1):171-172. | |
| Authors: | LV Shi-pin WANG Xiu-kun SUN Yan TANG Yi-yuan |
| Affiliation: | 1. Department of Computer Science and Engineering;Dalian University of Technology;Dalian 116023;2. Institute of Neuroinformatics;3. Department of Computer & Information Technology;Liaoning Normal University;Dalian 116029 |
| Abstract: | An improved feature selection algorithm based on gradient is proposed, aiming at the problem of feature subset selection when applying Support Vector Machine(SVM) to classification. The algorithm ranks the features by the criterion of the local gradients of distance function, measuring the distance from a datapoint to the classification hyperplane in the kernel-induced feature space, and eliminates the calculation of the angles of gradients with every axis. Experimental results show that the proposed algori... |
| Keywords: | Support Vector Machine(SVM) feature selection kernel function |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ | |
| 点击此处可从《计算机工程》浏览原始摘要信息 | |
| 点击此处可从《计算机工程》下载全文 | |