基于AP聚类和SVM敏感度分析的特征选择算法在绩效考核中的应用
特征选择是从原始数据特征集合中选择最优特征子集的过程.特征选择通过去除冗余和与问题不相关的特征项以提高信息处理的精度和准确度.本文提出了一种基于近邻传播(AP)聚类和支持向量机(SVM)敏感度分析的混合型特征选择算法.AP聚类通过减少特征项间的相似性以提高特征子集中特征的代表性;SVM敏感度分析用来选取与输出分类器相关的特征项.实验中,该特征选择算法被用于解决人力资源管理中的绩效考核问题.结果显示,所提出的特征选择方法不仅可以降低人力资源数据特征的维数,还可以有效地提高分类器的分类准确率.
人力资源管理 绩效考核 特征选择算法 AP聚类 支持向量机 敏感度分析
李博阳
东北财经大学管理科学与工程学院,大连116025
国内会议
厦门
中文
263-270
2013-11-16（万方平台首次上网日期，不代表论文的发表时间）