北京邮电大学学报 ›› 2009, Vol. 32 ›› Issue (6): 24-27.doi: 10.13190/jbupt.200906.24.xiongw
改进粒子群与支持向量机混合的特征变换
熊文;王枞
- (北京邮电大学 计算机学院, 北京 100876)
A Hybrid Feature Transformation Method Based on Modified Particle Swarm Optimization and Support Vector Machine
Xiong Wen;Wang Cong
- (School of Computer Science and Technology, Beijing University of Posts and Telecommunications, Beijing 100876, China)
摘要:
研究了数据挖掘中通过特征变换的数据预处理来提高支持向量机(SVM)分类精度的方法,提出了改进粒子群优化(PSO)和SVM混合的方法. 用推广t统计、Fisher判别式和随机森林的线性加权度量来排序特征,得到预选特征子集,再用启发式信息加速改进PSO搜索特征的线性变换因子,并用二进制PSO对特征变换子集进行特征选择,在后处理中通过格子搜索获取了高精度SVM分类器. 在NIPS 2003的madelon及10个UCI数据集上的实验表明,与有C-SVM分类精度相比,新方法在4个数据集上的精度更高.