基于线性孪生支持向量机的特征选择方法-JournalofSystems.PDFVIP

88 2016 ，52（15） Computer Engineering and Applications 计算机工程与应用 基于线性孪生支持向量机的特征选择方法 李鑫滨，邱建坤，韩 松 LI Xinbin, QIU Jiankun, HAN Song 燕山大学 工业计算机控制工程河北省重点实验室，河北 秦皇岛 066004 Key Lab of Industrial Computer Control Engineering of Hebei Province, Yanshan University, Qinhuangdao, Hebei 066004, China LI Xinbin, QIU Jiankun, HAN Song. Feature selection method based on linear Twin Support Vector Machine. Computer Engineering and Applications, 2016, 52 （15）：88-92. Abstract ：A new embedded feature selection method based on linear Twin Support Vector Machine （TWSVM ）is pro- posed. It selects features during classifier construction by introducing a penalty term in the primal formulation of Twin Support Vector Machine. In the solving process, it utilizes alternating iterative optimization method to decompose the problem of solving the model into two sub-problems, namely the standard TWSVM optimization problem and the nonlin- ear constrained optimization problem about feature weight, and effectively solves the sub-problems respectively. The fea- ture selection method is analyzed and compared on UCI datasets. Simulation results verify the proposed method is effective. Key words ：feature selection; Twin Support Vector Machine（TWSVM ）; L1-norm; embedded methods 摘 要：提出了一种基于线性孪生支持向量机（TWSVM ）的嵌入式特征选择方法。该方法在构造分类器的过程中， 通过在TWSVM 原有优化模型中引入一个惩罚项，来实现特征选择。在求解过程中，采用交替迭代优化方法将该模 型求解问题分解成两个子问题来处理，即标准TWSVM 优化问题和关于特征权重的非线性约束优化问题，并分别对 子问题进行有效求解。在UCI 数据集上对算法进行了仿真分析和比较，仿真结果验证了算法的有效性。 关键词：特征选择；孪生支持向量机；L 1 范数；嵌入式方法 文献标志码：A 中图分类号：TP391.4 doi ：10.3778/j.issn. 1002-8331.1409-0368 1 引言 征选择方法。 [1-2] 支持向量机（SVM ）是一种最小化结构风险的机器 特征选择是机器学习领域重要的研究内容之一 。 现阶段，随着越来越多的数据信息被使用，特征空间维 学习算法，在模式识别、回归分析等机器学习领域得到 数正不断增大。对数据进行特征选择，不仅可以降低特