模式識別中的特征選擇與評價方法研究.pdf

1、模式識別是許多學科的基礎，是人工智能和信息科學的重要組成部分特征選擇的主要方法是利用一定的數學工具來降低模式維數，以期尋找最有效、較低維數的特征構成模式向量，以應用于模式識別，特征選擇的效果在一定程度上取決于分類器的性能及設計方式。衡量特征提取和選擇的標準有很多，但大部分歸根結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行了總結，依據特征子集形成方式，特征選擇算法可以分為窮舉式，啟發(fā)式和隨機法三種，依據評價函數，特征

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