基于遗传算法与支持向量机的特征子集选择方法.pdf

更多技术文章，论文请登录 第 卷 第 期 电子测量与仪器学报 ! % !# R! $ R % %’($)* + ,*,-.($/- 年 月 · · !S ! 0,)1’(,0,$. )$2 /$1.(’0,$. % !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 基于遗传算法和支持向量机的特征子集选择方法 乔立岩 彭喜元 马云彤 （哈尔滨工业大学电气工程及自动化学院自动化测试与控制系，哈尔滨 %#%） 摘 要：在模式分类系统中，往往需要从大量的特征中选择最优的特征子集，人工选择特征的方法往往费时费力，本文采 用遗传算法（ ）对支持向量机进行封装的方法选择特征子集。首先使用遗传算法随机产生若干特征子集，通过选择、交叉和 ’ 变异操作产生新的特征子集，经过若干代之后，得到最优的特征子集。在遗传算法中最重要的是适应度的确定，本文用支持 向量机（ ）作为分类器，为了避免出现“过拟和”，把特征子集的 阶交叉验证分类准确率和特征数量的联合函数作为适应 ()* # 度函数。对 机器学习库中 和 数据集进行实验，结果表明本方法可以有效滤除无关特征并提高分类准确率。 +,- ./012 345 关键词：遗传算法，支持向量机，特征子集选择 !6#$%6’()* +)’,-.) #-/(), #)0)1,234 053.2,67 781/ 98:10 ;40 =8:10 *1 ?@/0 （ ， ） A12B80 -0.@8@@4 /C D4EF0/3/: A12B80 %#% ： ， /(,.’1, -0 E241@80 1 G1@@420 E31..842 C41@24 .434E@8/0 8. /C@40 .45 @/ G204 822434H10@ 105 0/8.: C41@24. 1. I433 1. G2/5E80 4CC4E@8H4 C41@24. J *10133: 54H43/G80 1 C41@24 .4@ E10 B4 1 H42: @8K4 E/0.K80 105 E/.@3: 40541H/2 J ’0 13@4201@8H4 8. @/ 1@/K1@4 @F8. G2/E4.. B: F1H80 1 404@8E 13/28@FK （ ） ’ 24C804 @F4 C41@24 .434E@/2. B: K410. /C 4H/36 @8/0 J DF8. G1G42 58.E..45 1 I21GG42 1GG2/1EF C/2 C41@24 .434E@8/0 J L41@24 .434E@8/0 8. G42C/2K45 B: 40421@80 2105/K E/334E@8/0. /C C41@24.， 105 @F40 24C8080 @F4.4 C41@24. .80 1 C/2K /C 4H/3@8/012: