期刊在線(xiàn)咨詢(xún)服務(wù)，立即咨詢(xún)
購(gòu)物車(chē)(0)
基于LS-SVM與模糊補(bǔ)準(zhǔn)則的特征選擇方法
關(guān)鍵詞：特征選擇 分類(lèi) 最小二乘支持向量機(jī) 模糊補(bǔ)準(zhǔn)則 模糊隸屬度函數(shù)
摘要：針對(duì)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(guò)核化的最小二乘支持向量機(jī)（least squares support vector machines,LS-SVM）對(duì)每個(gè)特征的樣本進(jìn)行分類(lèi),使用新的模糊隸屬度函數(shù)獲得每個(gè)樣本對(duì)其所屬類(lèi)的模糊隸屬度,使用模糊補(bǔ)準(zhǔn)則選擇具有最小冗余最大相關(guān)的特征子集。試驗(yàn)表明：與其他10個(gè)特征選擇方法與7個(gè)隸屬度決定方法相比,所提算法在9個(gè)數(shù)據(jù)集上都具有很高的分類(lèi)準(zhǔn)確率和很強(qiáng)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(bào)雜志要求:
{1}引言作為論文的開(kāi)場(chǎng)白，應(yīng)以簡(jiǎn)短的篇幅介紹論文的研究背景和目的，對(duì)相關(guān)領(lǐng)域內(nèi)前人所做的工作和研究進(jìn)行簡(jiǎn)要的概括。
{2}本刊恕不退稿，請(qǐng)作者自留底稿，切勿一稿多投。
{3}文題一般字?jǐn)?shù)不超過(guò)25字。正文各級(jí)標(biāo)題用阿拉伯?dāng)?shù)字連續(xù)編號(hào)，層次分明，可用至4級(jí)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(jiǎn)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(chēng)、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(huà)和電子信箱。
注：因版權(quán)方要求，不能公開(kāi)全文，如需全文，請(qǐng)咨詢(xún)雜志社
