基于特征子集区分度与支持向量机的特征选择算法-计算机学报.pdf

第卷第期 计 算 机 学 报 ３７ ８ 　 　　　　　　　　 Ｖｏｌ．３７Ｎｏ．８ 年月 ２０１４８ Ａｕ．２０１４ ＣＨＩＮＥＳＥＪＯＵＲＮＡＬＯＦＣＯＭＰＵＴＥＲＳ ｇ 　 基于特征子集区分度与支持向量机的特征选择算法 ） ） １ ２ 谢娟英 谢维信 ） １（陕西师范大学计算机科学学院西安 ） ７１００６２ 　 　 ） ２（深圳大学信息工程学院 国家重点实验室广东深圳 ） ＡＴＲ ５１８０６０ 　 　 摘要考虑特征之间的相关性对于其类间区分能力的影响，提出了一种新的特征子集区分度衡量准则———ＤＦＳ 　　 （ ） ， 准则该准则考虑特征之间的相关性通过计算特征子集中全部特征对于分类的 ＤｉｓｃｅｒｎｉｂｉｌｉｔｏｆＦｅａｔｕｒｅＳｕｂｓｅｔｓ ． ｙ 联合贡献来判断特征子集的类间辨别能力大小，不再只考虑单个特征对于分类的贡献结合顺序前向、顺序后向、 ． ， （ ， ） ， 顺序前向浮动和顺序后向浮动种特征搜索策略以支持向量机 为分类工具引 ４ ＳｕｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅｓＳＶＭ ｐｐ ， ／ ， 导特征选择过程得到种基于 与 的特征选择算法其中在顺序前后向浮动搜索策略中首先根据 ４ ＤＦＳＳＶＭ ． ／ ， ／ 准则加入去掉特征到特征子集中然后在浮动阶段根据所得临时 分类器的分类性能决定刚加入去掉 ＤＦＳ ＳＶＭ ， 特征的去留 机器学习数据库数据集的对比实验测试表明提出的 准则是一种很好的特征子集类间区分 ．ＵＣＩ