基于支持向量機的特征選擇方法的研究與應用.pdf

1、浙江大學博士學位論文基于支持向量機的特征選擇方法的研究與應用姓名：毛勇申請學位級別：博士專業(yè)：控制科學與工程指導教師：孫優(yōu)賢20060401Ⅱ 浙江大學博士學位論文用的需求。為此，我們從回歸特征消除的整個過程分析出發(fā)，提出了～種在基于非線性核支持向量機的回歸特征消除方法中應用自適應核參數的方法，并提出了一種快速整定核參數的策略。在癌癥診斷生物信息數據上的測試結果表明，這種方法的性能在某種程度上更加優(yōu)于基于遺傳算法和非線性支持向量機的特征

2、選擇算法，而且運算速率大大加快，具有一定應用價值。4 ) 回歸特征消除的過程是一個對特征進行逐個消除的循環(huán)過程，換言之，該算法的運算量非常大，如果特征逐個消除，那么算法的運算時間與特征的數量成正比，嚴重影響到該算法實際應用的可能性。針對這一問題，我們根據特征對決策機器的貢獻，提出了一系列統(tǒng)計指標用于在保證算法性能的前提下，加速整個特征選擇的過程。在T E P 標準數據集上的實驗表明，該算法達到了這個目的。5 ) 特征選擇的目的基本上可以

3、分為兩部分，一是為了選擇出更多的關鍵性的目標變量，從研究的角度確定出引發(fā)故障或者疾病的根源，另外一個則是對最后的決策過程起輔助作用，消除不相關或者不重要的變量所帶來的干擾作用。我們在多類的癌癥診斷生物信息數據集和T E P 數據集上針對這兩方面都作了相關的討論，每兩類之間都應用基于支持向量機的回歸特征消除方法，在確定最佳特征組之后，用基于參數自整定的模糊支持向量機方法來進行診斷決策。實驗結果表明，本研究得到了較多的可供研究的關鍵變量，獲

4、得了令人滿意的決策效果。6 ) 針對現(xiàn)有單一分類器在很多決策領域內難以取得滿意分類效果的問題，從現(xiàn)有的特征選擇的觀點出發(fā)，提出了一種基于特征選擇算法來構建雙層式組合分類器的新方法。在用蛋白質質譜芯片所采集的卵巢癌數據集上的應用測試表明，該方法相對于單個分類器而言具有較高的精度提升，同時避免了一般組合分類器結構過于復雜的通病。7 ) 最后對全文進行概括總結，并指出理論和應用上有待進一步研究的問題。關鍵詞：支持向量機；參數整定：遺傳算法；回