一种基于LS拟合判别函数的SVR特征选择算法  

SVR Feature Selection Method Based on Least Square Estimate Discriminative Function

作　　者：王浩[1] 王行愚[1] 牛玉刚[1] 

机构地区：[1]华东理工大学信息科学与工程学院,上海200237

出　　处：《计算机科学》2006年第2期166-168,共3页Computer Science

基　　金：高等学校博士学科点专项科研基金(20040251010);上海市自然科学基金(04ZR14034);国家重点基础研究发展规划项目(2002CB312200)。

摘　　要：本文提出一种基于最小二乘(LS)拟合判别函数的 SVR 特征选择算法(简称 LS 特征选择法)。该算法采用了一个适合支持向量回归(SVR)的新目标函数,并在特征子集选择中根据实验数据集冗余特征较少的特点,采用顺序后向选择算法。仿真实验表明,本方法与常用的降维方法 PCA 和 KPCA 相比有更好的效果。This paper develops a SVR feature selection method （LS-FSM）based on least square-based estimate discrimi- native function. The target function adopted in this method is more suitable for SVR Moreover, by considering that redundant feature is small in special experiment data, this work uses sequential backward selection method in the feature subset selection. The experiment results show that the proposed LS-FSM has a better performance than the com mon dimension reduced methods, e. g. PCA and KPCA, in feature subset selection for SVR.

关 键 词：支持向量回归 特征选择 最小二乘法 

分 类 号：TP301[自动化与计算机技术—计算机系统结构] TP301.6[自动化与计算机技术—计算机科学与技术]