模式識別中的特征選擇與評價方法研究.pdf

1、模式識別是許多學(xué)科的基礎(chǔ)，是人工智能和信息科學(xué)的重要組成部分特征選擇的主要方法是利用一定的數(shù)學(xué)工具來降低模式維數(shù)，以期尋找最有效、較低維數(shù)的特征構(gòu)成模式向量，以應(yīng)用于模式識別，特征選擇的效果在一定程度上取決于分類器的性能及設(shè)計(jì)方式。衡量特征提取和選擇的標(biāo)準(zhǔn)有很多，但大部分歸根結(jié)底是取決于所采用的分類算法和效果。本文對目前已有的特征選擇算法進(jìn)行了總結(jié)，依據(jù)特征子集形成方式，特征選擇算法可以分為窮舉式，啟發(fā)式和隨機(jī)法三種，依據(jù)評價函數(shù)，特征

2、選擇方法分成篩選器和封裝器兩種。
　　本文將支持向量機(jī)算法應(yīng)用于特征選擇的評價，得出了評價特征選擇效果的指標(biāo)，主要包括特征相關(guān)性，誤分率，特征向量的維數(shù)和本文定義的正向類間邊界距離與負(fù)向類間邊界距離，根據(jù)這些指標(biāo)提出了評價特征選擇方法的準(zhǔn)則，主要包括最小維數(shù)評價準(zhǔn)則、最大正向類間邊界距離評價準(zhǔn)則、最小負(fù)向類間邊界距離評價準(zhǔn)則、最小特征相關(guān)性評價準(zhǔn)則和最小誤分率評價準(zhǔn)則，并用實(shí)例說明了評價結(jié)果的正確性，提高了特征選擇的效果，從而最終