主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2019-2020年专刊出版计划 微信服务介绍 最新一期:2019年第2期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
任双桥,傅耀文,黎 湘,庄钊文.基于分类间隔的特征选择算法.软件学报,2008,19(4):842-850
基于分类间隔的特征选择算法
Feature Selection Based on Classes Margin
投稿时间:2006-11-06  修订日期:2007-01-24
DOI:
中文关键词:  特征选择  有效率  分类间隔  支撑矢量机
英文关键词:feature selection  efficiency rate  classe margin  SVM (support vector machine)
基金项目:Supported by the National Natural Science Foundation of China under Grant No.60402032 (国家自然科学基金)
作者单位
任双桥 国防科学技术大学 电子科学与工程学院空间电子信息技术研究所,湖南 长沙 410073 
傅耀文 国防科学技术大学 电子科学与工程学院空间电子信息技术研究所,湖南 长沙 410073 
黎 湘 国防科学技术大学 电子科学与工程学院空间电子信息技术研究所,湖南 长沙 410073 
庄钊文 国防科学技术大学 电子科学与工程学院空间电子信息技术研究所,湖南 长沙 410073 
摘要点击次数: 3688
全文下载次数: 6442
中文摘要:
      对于二类目标特征选择问题,首先讨论了特征空间的线性可分性问题,并给出了其判别条件;其次,通过借鉴支撑矢量机原理,分析了特征可分性判据的基本性质;最后,依据各特征对分类间隔的贡献大小定义了特征有效率,并以此进行特征选择和特征空间降维.实测数据与网络公开UCI(University of California,Irvine)数据库的实验结果表明,与经典的Relief特征选择算法相比,该算法在识别性能和推广能力上明显有所提高.
英文摘要:
      Firstly, a distinguishable condition is proposed for separating the features by linear classification hyper surface. Secondly, the paper analyses the properties of the feature linear distinguishable criterion based on support vector machines (SVMs). Finally, the efficiency rate of features are defined by the contribution to classes margin of each feature, and a feature selection algorithm is put forward based on the feature efficiency rate. As experimental results show, validated with the actually measuring data and UCI (University of California, Irvine) data, performance of the new feature selection method, such as classification capability and generalized capability are improved obviously in contrast to the classical Relief method.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利