论文部分内容阅读
提出一种基于特征间距的二次规划特征选取算法。首先,将特征在类内样本间和异类样本间的距离分别作为二次规划算法目标函数的二次项和一次项参数,用以搜索类内紧密、内间分离的分类特征;同时,通过对二次项和一次项的归一化来均衡特征在同类样本和异类样本之间的关系;然后,将二次规划算法优化后的最优解向量作为衡量特征对分类贡献的权重向量,再根据特征权重高低选取分类特征。特征选取方法在6个数据集中的特征选取实验结果表明了该方法的可行性和有效性。