核极化的特征选择算法在LSSVM中的应用
版权信息:站内文章仅供学习与参考,如触及到您的版权信息,请与本站联系。
信息
资料大小
560KB
文件类型
PDF
语言
简体中文
资料等级
☆☆☆☆☆
下载次数
简介
在分类中,不同的样本特征对准确分类的贡献率大小存在差异,为了解决最小二乘支持向量机的特征选择的问题。在研究多参数高斯核和核极化的基础上,提出了核极化优化多参数高斯核的特征选择LSSVM算法。首先,利用核极化最大化来优化多参数高斯核中的多参数,进而,判断出样本不同特征的重要性权重大小,然后,按特征重要性程度从大到小的顺序,依次添加一个特征到LSSVM中训练和预测。从UCI数据库选取出的数据集上的实验仿真结果验证了所提算法的有效性,在实际应用中,可以用样本中几个重要特征来预测样本以便提高预测效率,而且,LSSVM和SVM在所有特征上的实验结果说明了采用核极化的特征选择算法在LSSVM应用的高效性。相关论文
- 2021-03-31基于咀嚼特性的少自由度咀嚼机器人设计
- 2021-02-24单轨吊驱动机构的应用改进
- 2025-02-12LPG罐车节水清洗设备研发与参数优化研究
- 2025-01-15电动汽车用减速器传动效率影响因素研究
- 2025-01-13基于JUCE库减速器性能测试的研究
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。