常用的特征選擇方法利用樣本空間的整個(gè)區(qū)域提取最優(yōu)的特征子集.與此相反,提出一種新的局部特征選擇方法,即樣本空間的每個(gè)區(qū)域都與各自不同的最優(yōu)特征集相關(guān)聯(lián),這些特征集能夠最優(yōu)地適應(yīng)樣本空間的局部變化.同時(shí),在求解最優(yōu)特征集對應(yīng)的子空間時(shí),基于最近鄰思想,提出了一種度量測試數(shù)據(jù)與各個(gè)類相似性的方法,用來對測試樣本進(jìn)行分類.提出的方法可以描述為線性規(guī)劃優(yōu)化問題,因此可以通過簡單的凸優(yōu)化來求解全局最優(yōu)解.在3組真實(shí)數(shù)據(jù)集和3個(gè)主流的方法上進(jìn)行的對比實(shí)驗(yàn),結(jié)果證明了該算法的可行性和有效性. 

【文章來源】：吉林化工學(xué)院學(xué)報(bào). 2019,36(05)

【文章頁數(shù)】：4 頁

【部分圖文】：

不同算法準(zhǔn)確率的對比圖(c)

【參考文獻(xiàn)】：
期刊論文
[1]基于Hu矩的主成分分析特征目標(biāo)識別技術(shù)算法設(shè)計(jì)與實(shí)現(xiàn)[J]. 展慧馨.  吉林化工學(xué)院學(xué)報(bào). 2017(09)
[2]基于Bandelet和分形維的手寫簽名鑒別系統(tǒng)[J]. 楊明,陳玲玲.  吉林化工學(xué)院學(xué)報(bào). 2014(07)



本文編號：3242776