首页> 中文会议>中国人工智能学会第十三届学术年会 >基于改进的离散粒子群和支持向量机算法的特征子集选择

基于改进的离散粒子群和支持向量机算法的特征子集选择

页面导航

摘要
著录项
相似文献
相关主题

摘要

模式分类系统中,往往需要从大量的特征中选择最优的特征子集,人工选择特征的方法往往费时费力,本文介绍了基于改进离散粒子群(improved binary particle swarm optimization,IBPSO)和支持向量机(support vector machine,SVM)封装模式IBPSO-SVM的特征子集选择方法.首先随机产生若干种群(特征子集),然后用IBPSO算法优化随机产生特征子集,并用SVM分类结果指导搜索,最后选出最佳适应度的特征子集以训练SVM.仿真实验表明,基于IBPSO-SVM的特征子集选择方法的确是一种行之有效的特征子集选择方法.

著录项

来源
《中国人工智能学会第十三届学术年会》|2009年|174-178|共5页
会议地点北京
作者
LIU Wei Li; 刘伟丽; ZHANG De Xian; 张德贤;
展开▼
作者单位

中国人工智能学会;

展开▼
会议组织
正文语种
原文格式 PDF
中图分类 TP274.3;
关键词
模式分类; 改进离散粒子群算法; 支持向量机; 最优特征子集;

相似文献

中文文献
外文文献
专利

1. 基于特征子集区分度与支持向量机的特征选择算法 [J] . 谢娟英 ,谢维信 . 计算机学报 . 2014,第008期
2. 基于微粒群算法和支持向量机的特征子集选择方法 [J] . 乔立岩 ,彭喜元 ,彭宇 . 电子学报 . 2006,第003期
3. 基于遗传算法和支持向量机的特征子集选择方法 [J] . 乔立岩 ,彭喜元 ,马云彤 . 电子测量与仪器学报 . 2006,第1期
4. 基于特征选择与遗传算法改进的支持向量机入侵检测方法 [J] . 张小琴 . 龙岩学院学报 . 2020,第2期
5. 改进的基于粒子群优化的支持向量机特征选择和参数联合优化算法 [J] . 张进 ,丁胜 ,李波 . 计算机应用 . 2016,第005期
6. 基于动态特征子集选择和EM-Bayesian集成算法的乳腺癌辅助检测 [C] . 付强 ,冯筠 ,王惠亚 . 2009年全国模式识别学术会议暨首届中日韩模式识别学术研讨会 . 2009
7. 基于遗传算法的高维数据特征选择和特征子集的组合分析 [A] . 黄焕宇 . 2006

基于改进的离散粒子群和支持向量机算法的特征子集选择

摘要

著录项

相似文献

相关主题

期刊订阅