论文部分内容阅读
在模式识别中,对于一些常用的特征选择算法存在理论性不强、随机性高、计算量大的缺点,提出了一种基于主成分分析(PCA)的特征选择方法。对训练数据进行PCA变换;以识别率为准则,考察不同的累积方差贡献率对识别精度的影响;根据识别率的最高点选择相应的变换矩阵进行分析;利用变换矩阵分析出各种原始特征的变换权重,根据权重的大小选择出重要的特征。实验结果表明,选择出的特征子集对不同分类器具备稳定性,并且对识别率具有较高贡献。