| 一种基于互信息的模糊粗糙分类特征基因快速选取方法 |
| |
| 引用本文： | 徐菲菲,魏莱,杜海洲,王文欢.一种基于互信息的模糊粗糙分类特征基因快速选取方法[J].计算机科学,2013,40(7):216-221,235. |
| |
| 作者姓名： | 徐菲菲 魏莱 杜海洲 王文欢 |
| |
| 作者单位： | 吉林财经大学管理科学与信息工程学院 长春130117;中国科学院东北地理与农业生态研究所 长春130102;吉林财经大学管理科学与信息工程学院 长春130117;吉林财经大学管理科学与信息工程学院 长春130117;吉林财经大学管理科学与信息工程学院 长春130117 |
| |
| 基金项目： | 本文受国家重点基础研究发展计划(973计划)课题(2009CB421103),中国科学院重点部署项目课题(KZZD-EW-08-02),吉林省科技发展计划项目(20130522177JH)资助 |
| |
| 摘 要： | 目前,支持向量机技术(SVM)在遥感信息获取中普遍受到参数选择不准确和小样本问题的制约。针对这些问题, 提出一种新的半监督集成SVM(EPS3VM)分类模型。模型一方面利用自适应变异粒子群优化算法对SVM参数寻优以提高基分类器精度(PSVM)；另一方面采用自训练算法(Self-training),充分利用大量廉价的未标记样本产生性能差异的半监督分类器个体(PS3VM),其中,在未标记样本标注过程中,引入模糊聚类算法(Gustafson-kessel)来控制错误类别的输入,最后对个体分类器采用加权集成策略,以进一步提高分类模型的泛化能力。为了测试其性能,应用该模型进行多光谱遥感影像的土地覆盖分类实验,并与PSVM、PS3VM进行对比,分类精度从PSVM的88.48%提高到96.88%,Kappa系数由0.8546提高到0.9606。结果表明,EPS3VM在克服传统SVM参数选择不准确的同时,有效地应对了小样本问题,分类性能更优。
|
| 关 键 词： | 支持向量机 半监督学习 集成学习 Gustafson-kessel模糊聚类 土地覆盖 分类 |
| 收稿时间： | 9/9/2012 12:00:00 AM |
| 修稿时间： | 2012/12/22 0:00:00 |
Fast Approach to Mutual Information Based Gene Selection with Fuzzy Rough Sets |
| |
| XU Fei-fei,WEI Lai,DU Hai-zhou and WANG Wen-huan.Fast Approach to Mutual Information Based Gene Selection with Fuzzy Rough Sets[J].Computer Science,2013,40(7):216-221,235. |
| |
| Authors: | XU Fei-fei WEI Lai DU Hai-zhou and WANG Wen-huan |
| |
| Affiliation: | College of Management Science and Information Engineering,Jilin University of Finance and Economics,Changchun 130117,China;Northeast Institute of Geography and Agroecology Chinese Academy of Sciences,Changchun 130102,China;College of Management Science and Information Engineering,Jilin University of Finance and Economics,Changchun 130117,China;College of Management Science and Information Engineering,Jilin University of Finance and Economics,Changchun 130117,China;College of Management Science and Information Engineering,Jilin University of Finance and Economics,Changchun 130117,China |
| |
| Abstract: | |
| |
| Keywords: | Support vector machines Semisupervised learning Ensemble learning Gustafson-kessel fuzzy clustering Land cover Classification |
|
|
点击此处可从《计算机科学》下载全文 |
|
