支持向量机特征选择方法综述

发布时间：2024-05-18 01:31

　　支持向量机(support vector machine,SVM)主要解决分类和回归问题,基于支持向量机的特征选择可以有效地去除不相关的冗余特征,在新的更少的数据集上建模,提高支持向量机的效率和泛化性能。从评价标准、搜索方式和监督信息等角度探究特征选择的分类方法,论述基于支持向量机Wrapper、Embedded和Filter-Wrapper等3种特征选择方法,进一步地探讨支持向量机特征选择方法未来的发展趋势。

【文章页数】：6 页

【部分图文】：

图1特征选择基本原理

自1997年起,有相关研究者将特征选择的一般过程总结归纳为产生过程、评价函数、停止准则和验证过程等4个部分[11-12],其基本原理示意图如图1所示。产生过程是根据不同的搜索策略从特征空间原数据中选择初始的特征子集,较为常用的搜索策略包括遗传算法和决策树等。产生过程生成的特征子集....