论文部分内容阅读
在模式分类系统中，大量无关或冗余的特征往往会降低分类器的性能，因此需要特征选择．本文提出了基于离散微粒群（BPSO）和支持向量机（SVM）封装模式的特征子集选择方法，首先随机产生若干种群（特征子集），然后用BPSO算法对特征进行优化，并用SVM的10阶交叉验证结果指导算法的搜索，最后选出最佳适应度的子集对SVM进行训练．两个UCI机器数据集（户外图像和电离层）的实验结果表明了提出算法的有效性．