基于改进遗传算法的支持向量机特征选择  

Feature Selection for SVM Based on Improved Genetic Algorithm

作　　者：张子宁[1] 单甘霖[1] 段修生[1] 张岐龙[1] 

机构地区：[1]军械工程学院光学与电子工程系,河北石家庄050003

出　　处：《电子产品世界》2010年第1期45-47,51,共4页Electronic Engineering & Product World

摘　　要：针对支持向量机在分类过程中的特征选择问题,提出了一种改进的遗传算法。在演化进程中运用Meteopolis准则通过合理选群来防止进化陷入局部极值区域。最后针对UCI数据库中的数据,通过将该算法与其他几种方法进行了比较,证明了本文算法具有较优的特征选择效果,并已成功应用在基于支持向量机的数字电路板故障诊断中。

关 键 词：支持向量机 互敏感度信息量 独立敏感度信息量 自适应变异率 Meteopolis准则 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]