论文部分内容阅读
为了对最小二乘支持向量机中样本的各个特征的差异性进行研究，引入了多参数高斯核，在分析核极化几何意义的基础上，提出了基于核极化梯度迭代优化多参数高斯核的特征选择算法。利用核极化梯度迭代算法对样本中每个特征的重要性程度进行测定；按特征的重要性大小进行LSSVM样本的特征选择；运用LSSVM对选出的特征子集进行训练和测试，称该方法为KP_LSSVM。UCI数据集上的实验结果表明，相较于PCA_LSSVM、KPCA_LSSVM和LSSVM方法，提出的方法可以取得更为准确的分类结果，验证了该方法的有效性。