基于多宽度高斯核的支持向量机特征选取算法研究 |
| |
引用本文: | 罗浪,汪静.基于多宽度高斯核的支持向量机特征选取算法研究[J].教育技术导刊,2018,17(2):80-85. |
| |
作者姓名: | 罗浪 汪静 |
| |
作者单位: | 中南民族大学 计算机科学学院,湖北 武汉 430074 |
| |
摘 要: | 支持向量机(SVM)作为一种机器学习分类算法应用广泛,但在处理高维度数据集时往往会由于特征维数较多遇到算法分类速度慢且容易陷入局部最优等问题。为了提高支持向量机的性能,提出一种基于多宽度高斯核(GKMW)的支持向量机特征选取算法FSG。FSG算法将泛化能力更强的多宽度高斯核函数引入支持向量机中代替传统的高斯核函数,利用多宽度高斯核函数能体现各个特征对分类贡献程度不同且能区分样本中各个特征重要性的特点,以多宽度高斯核函数的参数优化结果为基础进行特征选取。利用特征选取后的特征子集在多组标准UCI数据集上分类实验,实验结果表明所提算法性能优于有代表性的特征选取法。
|
关 键 词: | 多宽度高斯核 支持向量机 特征选取 基因表达式编程 |
|
| 点击此处可从《教育技术导刊》浏览原始摘要信息 |
| 点击此处可从《教育技术导刊》下载免费的PDF全文 |
|