基于Relief-PGS优化算法的数据分类

【目的】在选取图像特征对图像进行分类时，选取的特征属性是否冗余会影响到图像分类的正确率。为提高分类的准确率，使用Relief-PGS优化算法对特征子集和支持向量机参数同步进行优化。【方法】首先使用Relief算法对特征数据集进行筛选，其次将筛选出的特征子集数目和支持向量机参数一起编码到粒子群-遗传算法中进行同步优化，最后对处理后的数据集进行分类，能有效提高分类的准确率。【结果】选取UCI数据库中的5种数据集进行分类，与传统的SVM算法、PGS算法和Relief-SVM算法相比，Relief-PGS优化算法对图像分类的准确率分别提高了22.53%、6.05%和11.16%。【结论】研究结果表明，Relief-PGS算法在去掉不重要特征的同时，对支持向量机参数进行优化，能有效提高分类的准确率。