一种提高SVM分类器识别效率的特征选择方法

摘要：

　　针对SVM分类器处理高维数据时耗时过长这一问题，提出了SVM-RFE和PCA相结合的特征选择方法，即先用SVM-RFE算法得到最优特征子集，然后用PCA方法对最优特征子集进行主成分分析，得到维数降低且相互独立的数据集，该数据集作为SVM分类器的训练集和测试集。在UCI数据库的5个数据集上进行实验，结果表明该方法在提高SVM分类器识别率的同时使训练和测试时间显著缩短。

关键词： 分类器 支持向量机 特征选择 回归特征消除法 主成分分析

作者: 赵锴 黄应清 蒋晓瑜 汪熙

作者单位: 装甲兵工程学院控制工程系，北京 100072

会议类型: 国内会议

会议名称: 第六届全国信号和智能信息处理与应用学术会议

会议地点: 张家界

会议语种:中文

页码: 75-79

在线出版日期: 2012-09-11（万方平台首次上网日期，不代表论文的发表时间）