基于Relief-PGS优化算法的数据分类 |
| |
引用本文: | 张菡玫.基于Relief-PGS优化算法的数据分类[J].河南科技,2023(24):31-35. |
| |
作者姓名: | 张菡玫 |
| |
作者单位: | 武昌职业学院 |
| |
摘 要: | 【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。
|
关 键 词: | 特征选择 Relief算法 遗传-粒子群算法 支持向量机 |
|
|