论文部分内容阅读
针对SVM分类器处理高维数据时耗时过长这一问题,提出了SVM-RFE和PCA相结合的特征选择方法,即先用SVM-RFE算法得到最优特征子集,然后用PCA方法对最优特征子集进行主成分分析,得到维数降低且相互独立的数据集,该数据集作为SVM分类器的训练集和测试集。在UCI数据库的5个数据集上进行实验,结果表明该方法在提高SVM分类器识别率的同时使训练和测试时间显著缩短。