基于LS-SVM與模糊補準(zhǔn)則的特征選擇方法
關(guān)鍵詞：特征選擇 分類 最小二乘支持向量機 模糊補準(zhǔn)則 模糊隸屬度函數(shù)
摘要：針對傳統(tǒng)特征選擇算法采用單一度量的方式難以兼顧泛化性能和降維性能的不足,提出新的特征選擇算法（least squares support vector machines and fuzzy supplementary criterion,LS-SVM-FSC）。通過核化的最小二乘支持向量機（least squares support vector machines,LS-SVM）對每個特征的樣本進(jìn)行分類,使用新的模糊隸屬度函數(shù)獲得每個樣本對其所屬類的模糊隸屬度,使用模糊補準(zhǔn)則選擇具有最小冗余最大相關(guān)的特征子集。試驗表明：與其他10個特征選擇方法與7個隸屬度決定方法相比,所提算法在9個數(shù)據(jù)集上都具有很高的分類準(zhǔn)確率和很強的降維性能,且在高維數(shù)據(jù)集中的學(xué)習(xí)速度依然很快。
山東工業(yè)大學(xué)學(xué)報雜志要求:
{1}引言作為論文的開場白，應(yīng)以簡短的篇幅介紹論文的研究背景和目的，對相關(guān)領(lǐng)域內(nèi)前人所做的工作和研究進(jìn)行簡要的概括。
{2}本刊恕不退稿，請作者自留底稿，切勿一稿多投。
{3}文題一般字?jǐn)?shù)不超過25字。正文各級標(biāo)題用阿拉伯?dāng)?shù)字連續(xù)編號，層次分明，可用至4級標(biāo)題。
{4}論著須附200～300字中英文摘要，包括目的、方法、結(jié)果、結(jié)論。
{5}作者簡介（包括作者姓名、出生年、性別、民族、籍貫、工作單位、職務(wù)或職稱、學(xué)位等），并在文末附上詳細(xì)的通訊地址、郵政編碼、聯(lián)系電話和電子信箱。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
