基于Gram-Schmidt过程的支持向量机降维方法 |
| |
引用本文: | 冯甲策,叶明,王惠文. 基于Gram-Schmidt过程的支持向量机降维方法[J]. 计算机技术与发展, 2009, 19(11): 7-10 |
| |
作者姓名: | 冯甲策 叶明 王惠文 |
| |
作者单位: | 北京航空航天大学,北京100191 |
| |
摘 要: | 支持向量机是借助于最优化方法来解决机器学习问题的工具。在实际应用研究中,多元变量间的相关性是普遍存在的,这可能影响支持向量机分类模型的判别效率。因此文中提出了基于Gram—Schmidt过程的特征选择方法,来减少多重共线性的危害。该方法利用Gram-Schmidt正交化过程,在特征集合中选择判别力强的信息,并把挑选出来的特征集合变换成若干直交变量。这样不仅可以实现判别模型的变量筛选,同时也解决了多重共线性对判别模型的影响这一问题。文中进行数值实验,将所提算法与fisher判别法相比较,结果所提算法不仅降低了模型维度,预报准确率也有所提高,验证了所提方法的有效性。
|
关 键 词: | 支持向量机 特征选择 Gram—Schnfidt正交化 |
Dimension Reduction Method of Support Vector Machine Based on Gram-Schmidt Process |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 维普 万方数据 等数据库收录! |
|