分類器設(shè)計中特征選擇問題的研究.pdf

1、該文在詳細(xì)闡述了這一框架之后,對特征選擇的兩個關(guān)鍵問題進(jìn)行了研究和實驗對比,并對其中一部分算法做出了改進(jìn),進(jìn)一步提高了算法的效率.該文的工作主要可以分為兩大部分:對于搜索算法的研究和對特征子集評價方式的研究.該文涉及了三種搜索算法:①Branch& Bound算法;②連續(xù)選擇算法(SequentialSelectionAlgorithm);③浮動搜索算法( FloatingSearchAlgorithm).Branch & Bound算

2、法是一種計算復(fù)雜度高的全局最優(yōu)算法,該文詳細(xì)比較了這種算法的各種不同版本,并提出了對于算法的一種改進(jìn),實驗表明這種改進(jìn)可以進(jìn)一步降低算法的復(fù)雜度.連續(xù)選擇算法和浮動搜索算法是兩個次優(yōu)的搜索算法.該文給出了三種搜索算法在同一個數(shù)據(jù)集上的實驗結(jié)果,進(jìn)行了比較.最后該文還研究了用分類正確率作為特征子集評價標(biāo)準(zhǔn)的方法,采用了決策樹和支持向量機(jī)兩種分類器.采用決策樹的特征選擇方法在人工數(shù)據(jù)集和實際數(shù)據(jù)集上取得了很好的效果,不僅降低了數(shù)據(jù)的維數(shù),而