论文部分内容阅读
属性选择可以有效地去除属性集中的冗余属性,降低分类算法的计算量,提高分类算法的泛化能力。以往的属性选择算法复杂度较高或者容易陷入局部最优解或者过多地依赖于随机因素。提出一种基于核函数参数优化的属性选择算法,该算法首先构建一个与属性相关联的核函数,核函数中的参数个数与属性个数一致,参数取值为0或1,对应着属性的取舍,然后通过交叉验证方法进行核函数参数的确定。该算法有效地将属性选择问题转化为核函数参数确定问题。在文本分类数据集上的仿真实验表明该算法可以较快较好实现属性选择,提高分类算法的性能。