文献类型：期刊文章

作　　者：吴青[1] 付彦琳[1]

WU Qing;FU Yanlin(School of Automation,Xi'an University of Posts and Telecommunications,Xi'an 710121,China)

机构地区：[1]西安邮电大学自动化学院,陕西西安710121

出　　处：《西安邮电大学学报》

基　　金：国家自然科学基金项目(51875457);陕西省重点研发计划项目(2018GY-018);西安市科技计划项目(2020KJRC0109)。

年　　份：2020

卷　　号：25

期　　号：5

起止页码：16-21

语　　种：中文

收录情况：JST、ZGKJHX、普通刊

摘　　要：支持向量机(support vector machine,SVM)主要解决分类和回归问题,基于支持向量机的特征选择可以有效地去除不相关的冗余特征,在新的更少的数据集上建模,提高支持向量机的效率和泛化性能。从评价标准、搜索方式和监督信息等角度探究特征选择的分类方法,论述基于支持向量机Wrapper、Embedded和Filter-Wrapper等3种特征选择方法,进一步地探讨支持向量机特征选择方法未来的发展趋势。

关 键 词：支持向量机 模式识别 特征选择  

分 类 号：TN918]