加权免疫克隆样本选择与特征选择融合算法
本文提出了—种加权免疫克隆样本选择与特征选择融合的算法.这种算法打破传统,将样本选择与特征选择这两种原本独立进行的分类识别过程结合起来,以获得性能更好的学习机.该种算法首先用支持向量机(SVM)训练测试的方法对分类性能好的特征赋予更大的权值,并将权值高的特征选择出来,再利用加权免疫克隆样本选择算法(WICIsA)对这些特征构成的新样本集进行选择,最终选择出对识别效果有利的特征和样本.本文使用UCI数据库中的sonar数据对该算法进行了实验,结果表明,该算法可以在大幅度降低样本和特征数目的同时提高分类器的识别精度,并在一定程度上精简了计算的复杂度,缩短了分类时间.
加权免疫克隆 样本选择 特征融合算法 精度控制
王芸 杨宏晖 戴健
西北工业大学航海学院,西安,710072
国内会议
上海
中文
95-98
2013-11-01（万方平台首次上网日期，不代表论文的发表时间）