冯甲策
- 作品数：2 被引量：1H指数：1
- 供职机构：北京航空航天大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于Gram-Schmidt过程的支持向量机降维方法被引量：1
- 2009年
- 支持向量机是借助于最优化方法来解决机器学习问题的工具。在实际应用研究中,多元变量间的相关性是普遍存在的,这可能影响支持向量机分类模型的判别效率。因此文中提出了基于Gram-Schmidt过程的特征选择方法,来减少多重共线性的危害。该方法利用Gram-Schmidt正交化过程,在特征集合中选择判别力强的信息,并把挑选出来的特征集合变换成若干直交变量。这样不仅可以实现判别模型的变量筛选,同时也解决了多重共线性对判别模型的影响这一问题。文中进行数值实验,将所提算法与fisher判别法相比较,结果所提算法不仅降低了模型维度,预报准确率也有所提高,验证了所提方法的有效性。
- 冯甲策叶明王惠文
- 关键词：支持向量机
- 支持向量机的特征选择方法及其应用
- 冯甲策
- 关键词：SUPPORT
