文献类型：期刊文章

作　　者：李国正[1] 王振晓[1] 杨杰[1] 姚莉秀[1] 陈念贻[2]

机构地区：[1]上海交通大学图象及模式识别研究所,上海200030 [2]上海大学理学院化学系计算机化学研究室,上海200436

出　　处：《计算机与应用化学》

基　　金：由国家自然科学基金和上海宝钢集团公司联合资助(50174038)

年　　份：2002

卷　　号：19

期　　号：6

起止页码：703-705

语　　种：中文

收录情况：BDHX、BDHX2000、CAS、CSCD、CSCD2011_2012、JST、ZGKJHX、核心刊

摘　　要：对于拟合问题,传统的模式识别特征筛选方法以各特征量对训练数据拟合能力的贡献为取舍标准,未考虑经验风险最小化和结构风险最小化间的差别,不能获得预报能力最强的特征筛选结果。为此我们提出了结合支持向量回归法与留一法的特征筛选新算法,并将它试用于镍氢电池材料和氧化铝净溶出率两套实验数据集的特征筛选。

关 键 词：SVM 应用  特征筛选  支持向量回归 留一法  预报能力  化学模式识别 镍-氢电池 材料  电化学容量  净溶出率  氧化铝

分 类 号：TP181] O6-39]