为了提高特征选择算法的鲁棒性,提高特征选择的精度和效率,提出一种基于多准则融合的特征选择方法。首先对样本数据集做预处理并对其进行聚类;接着采用特性各异的特征选择方法对完成聚类的样本进行特征选择;然后融合各种特征选择结果用以训练多项式核支持向量机分类器;其次采用该分类器对样本数据集进行回归,剔除相关性最小的特性;最后对样本数据集进行特征重组,实现特征选择。利用实测数据对方法进行了大量的测试,结果表明,方法是有效的,适用于对高维小样本数据集的特征提取。
科研之友
微信
新浪微博
Facebook
分享链接
