特征選擇若干新方法的研究.pdf

1、特征子集搜索算法的研究是特征選擇的一個關(guān)鍵問題,對于特征子集搜索的問題,本文著重研究了一種完全搜索算法-分支定界算法,為了提高該算法的速度,已經(jīng)有幾種不同的改進算法提出來,本文在分析幾種改進算法的基礎(chǔ)上,提出了一種改進的基于部分預報的分支定界算法,并在理論和實際數(shù)據(jù)集上將該算法與其它改進算法進行了比較,發(fā)現(xiàn)有效提高了選擇效率.特征的評價是特征選擇的另一個關(guān)鍵問題,本文著重研究與學習器相關(guān)的評價方法,其中包括兩種方法,卷積式方法和嵌入式方

2、法.支持向量機和集成技術(shù)是當今機器學習領(lǐng)域兩個重要的研究方向,本文將兩種評價方式與兩種學習器結(jié)合做了三個工作.1)研究了卷積式算法與支持向量機的結(jié)合.并提出了一種實用的算法用于解決大腦膠質(zhì)瘤良惡性程度的預報問題,結(jié)果與一種基于模糊極大極小神經(jīng)網(wǎng)絡(luò)的模糊規(guī)則提取算法進行比較,我們的算法精度要高;2)提出利用預報風險準則對多值分類支持向量機進行嵌入式特征選擇,并與其它相關(guān)算法進行了比較,發(fā)現(xiàn)該算法有效提高了多值分類支持向量機的精度.3)研究