一种改进的浮动搜索特征子集算法
【摘要】:较优的特征子集对分类精度有着很大的影响,因此特征选择一直是人们研究的热点。在综合序列前向选择算法(SFS)和广义序列前向选择算法(GSFS)并结合基于分类精度的特征选取算法(CA-SFS),提出了一种改进的浮动搜索特征子集算法(AFS-FS)。它改变GSFS算法中的r值,且每次都选择能达到最优分类效果的特征组合。算法设计以支持向量机作为分类器,将得出的分类精度作为准则函数对特征进行取舍。通过理论分析及仿真实验表明AFS-FS算法不但选择了较少的特征,而且取得了较好的分类效果。
|
|
|
|
1 |
王强;梁德群;毕胜;;基于相关信息特征最近邻搜索的快速分形图像编码[J];小型微型计算机系统;2011年06期 |
2 |
;[J];;年期 |
3 |
;[J];;年期 |
4 |
;[J];;年期 |
5 |
;[J];;年期 |
6 |
;[J];;年期 |
7 |
;[J];;年期 |
8 |
;[J];;年期 |
9 |
;[J];;年期 |
10 |
;[J];;年期 |
11 |
;[J];;年期 |
12 |
;[J];;年期 |
13 |
;[J];;年期 |
14 |
;[J];;年期 |
15 |
;[J];;年期 |
16 |
;[J];;年期 |
17 |
;[J];;年期 |
18 |
;[J];;年期 |
19 |
;[J];;年期 |
20 |
;[J];;年期 |
|