基于核空间距离测度的特征选择术.PDFVIP

第 23卷 第 2期 模式识别与人工智能 V01．23 No．2 2010年 4月 PR ＆AI Apr 2010 基于核空间距离测度的特征选择 术 蔡哲元 余建国 李先鹏 金震东 (复旦大学 电子工程系 上海 200433) (长海医院 消化 内科 上海 200433) 摘 要 提出核空间距离测度这一可分性判据．在核空间中计算两类样本点之间的距离，并以距离的大小评价子 集的分类性能．使用顺序前进法作为搜索算法，在人造和真实的数据集上进行测试，文中的核空间距离测度可分性 判据明显优于传统非核的可分性判据，优于或接近于Wang提出的核散布矩阵测度，并在运行时间上快一个数量 级．将文中方法应用于胰腺 内镜超声图像分类 ，取得较好分类结果． 关键词 特征选择，可分性判据，距离测度，核方法，分类 中图法分类号 TP391．4 FeatureSelectionAlgorithm Based on KernelDistanceM easure CAIZhe．Yuan ，YUJian。Guo ，LIXian—Peng ，JINZhen—Dong (DepartmentofElectronicEngineering，FudanUniversity，Shanghai200433) (DepartmentofGastroenterology，ChanghaiHospital，Shanghai200433) ABSTRACT Thekerneldistancemeasureisproposedasanew typeofc]assseparability．Thedistanceofsamples betweentwoclassesismeasured in thekernelspace andused toevaluate theseparabilityofsubsets． Usingthesequentialforward selection algorithm asthesearch strategy，testsare carried outon both syntheticandrealdatasets．Experimentalresultsdemonstratethattheproposedmethodoutperformsthe traditionalnon—kernelclassseparability．Moreover，theproposedmethodissuperiororclosetothekernel scattermatrixmeasuresproposedbyWanganditsrunning timeisan orderofmagnitudefaster．W hen appliedtothepancreaticEUSimageclassification，theproposedmethodreceivesagoodresult． KeyW ords FeatureSelection，ClassSeparability，DistanceMeasure，KernelMethod，Classification 1 引 言 的特征可能是冗余的、不相关的，甚至是噪声．在这 种情况下，特征选择在分类问题中起着重要作用．特 在各类分类问题中，都会提取大量特征，但其中 征选择通过在大量的特征中选择出最优 (或次优) 往往只有一小部分特征具有最优的分类性能，其余 的特征组合，