基于带特征染色体遗传算法的支持向量机特征选择和参数优化
DOI:
CSTR:
作者:
作者单位:

电子科技大学

作者简介:

赵明渊

通讯作者:

中图分类号:

基金项目:


Feature selection and parameter optimization for SVM based on genetic algorithm with feature chromosomes
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    鉴于支持向量机特征选择和参数优化对其分类准确率有重大的影响, 将支持向量机渐近性能融入遗传算法
    并生成特征染色体, 从而将遗传算法的搜索导向超参数空间中的最佳化误差直线. 在此基础上, 提出一种新的基于带
    特征染色体遗传算法的方法, 同时进行支持向量机特征选择和参数优化. 在与网格搜索、不带特征染色体遗传算法
    和其他方法的比较中, 所提出的方法具有较高的准确率、更小的特征子集和更少的处理时间.

    Abstract:

    The classification accuracy of support vector machines(SVM) depends on feature selection and parameter
    optimization of SVM strongly. The asymptotic behaviors of support vector machines are fused with genetic algorithm
    and the feature chromosomes are generated, which directs the search of genetic algorithm to the straight line of optimal
    generalization error in the superparameter space. On this basis, a new approach based on genetic algorithm with feature
    chromosomes is proposed to simultaneously optimize the feature subset and the parameters for SVM. Compared with the
    grid search, the genetic algorithm without feature chromosomes and other approaches, the proposed approach has higher
    classification accuracy, smaller feature subset and fewer processing time.

    参考文献
    相似文献
    引证文献
引用本文

赵明渊 唐勇 傅翀 周明天.基于带特征染色体遗传算法的支持向量机特征选择和参数优化[J].控制与决策,2010,25(8):1133-1138

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2009-07-23
  • 最后修改日期:2009-12-23
  • 录用日期:
  • 在线发布日期: 2010-08-20
  • 出版日期:
文章二维码