改进粒子群与SVM混合特征变换提升数据挖掘精度
需积分: 19 97 浏览量
更新于2024-09-07
收藏 372KB PDF 举报
本文档深入探讨了"改进粒子群与支持向量机混合的特征变换"这一主题,发表于2009年12月的《北京邮电大学学报》第32卷第6期。作者熊文和王枞针对数据挖掘中的特征预处理问题,提出了一种创新方法来提升支持向量机(SVM)的分类精度。他们首先利用推广t统计、Fisher判别式和随机森林的线性加权度量对特征进行排序,以确定一个预选特征子集。这种方法的关键在于改进的粒子群优化(PSO)技术,通过引入启发式信息来加速搜索特征的线性变换因子。
在特征变换阶段,二进制PSO被用来进行特征选择,这有助于减少冗余信息并增强模型的可解释性。接下来,通过格子搜索技术,作者们在后处理阶段优化了特征变换后的模型,最终目的是构建出具有高精度的SVM分类器。对比实验显示,这种混合方法在NIPS2003的madelon数据集以及10个UCI数据集中,与传统的C-SVM相比,其分类精度在4个数据集上取得了显著提升。
该研究的重要贡献在于将粒子群优化算法与支持向量机的有效性相结合,不仅提升了模型性能,还可能为特征工程和机器学习领域提供新的思路。对于那些关注数据预处理、特征选择和深度优化方法的读者来说,这篇论文提供了有价值的研究案例和技术细节,对于使用Matlab等工具进行类似研究或实际应用具有参考价值。关键词包括粒子群、特征变换、支持向量机、特征选择以及分类,这些术语共同构成了该论文的核心内容和研究焦点。
115 浏览量
2021-09-28 上传
1953 浏览量
4743 浏览量
1104 浏览量
1953 浏览量

weixin_39840588
- 粉丝: 451

最新资源
- 掌握JAVA编程:63道题目的完整解析与答案
- Java编程实例精选:250个代码案例解析
- VC开发利器:CodeManagerAddIn2.0插件介绍
- 掌握Fizz Buzz挑战,证明编程基本功
- 实时协作编程:使用Atom电传打字包提高团队效率
- 手机顽童模拟器:电脑上轻松畅玩手机游戏
- Panasonic SDFormatter汉化版:修复无法格式化SD卡
- 地图网页作业:FLASH展示与链接互动
- 暖通空调设备及装置标准图集汇总
- 1秒关机快速重启软件:安全高效的系统操作
- 网易易盾使用教程与效果展示
- Java软件工程最新进展与tarkvteh14r6项目解读
- 深入学习Linux网络驱动:ethtool-2.6.36源码解析
- 利用JS与Ajax实现前台信息自动显示功能
- 深度解析:ucos-II2.86源代码及中文注释
- C#实现的MySQL/Access数据库KTV系统