基于SVM-RFE的特征选择方法研究.pdf

《基于SVM-RFE的特征选择方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、犬ｉｔ嫂－大摩ＤＡＬＩＡＮＵＮＩＶＥＲＳＩＴＹＯＦＴＥＣＨＮＯＬＯＧＹ硕士字位记文ＭＡＳＴＥＲＡＬＤＩＳＳＥＲＴＡＴＩＯＮ基于ＳＶＭ－ＲＦＥ的特征选择方法研究学料专业计算机软件与理论作者姓名王君异救师惠教授指林晓２Ｏ１５５０＿＾Ｍ答辩日期＿＿＿＿＿硕士学位论文基于ＳＶＭ－ＲＦＥ的特征选择方法研究Ｔｈｅｏｒｈｍａｓｅｄｏｎ－ＲｅｓｅａｒｃｈｏｆＦｅａｔｕｒｅＳｅｌｅｃｔｉｏｎＡｌｉｔＢＳＶＭＲＦＥｇ作者姓名：王君学

2、科、专业：计算机软件与理论学号：２１２０９２２１指导教师：林晓惠教授完成日期：２０１５年５月大達理工大營ＤａｌｉａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ大连理工大学学位论文独创性声明：所呈交的学位论文作者郑重声明，是本人在导师的指导下进行研究工作所取得的成果。尽我所知，除文中已经注明引用内容和致谢的地方外，本论文不包含其他个人或集体巳经发表的研究成果，也不包含其他巳申请学位或其他用途使用过的成果一。与我同工作的同志对本研究所做的贡献均已在论文

3、中做了明确的说明并表示了谢意。若有不实之处，本人愿意承担相关法律责任。Ｔ？－学位论文题目：ｉｌｈＴＨ（？作者签名：ｚｉ日期：地年月／日ｊ／难理工大学硕士学位论文摘要。随着人类科技的进步发展和先进仪器设备的应用，人类得到了大量的数据其中，高维小样本数据作为生物信息数据的特点，给数据信息处理带来了新的挑战。为了从海量数据中提取有价值的信息一，数据挖掘技术应运而生。数据挖掘是个广义的定义，吸纳了诸如统计学一、机器学习、模式识别等技术。作为数据挖掘技术之的特征选择技

4、术，被广泛应用于生物数据处理等各个领域。特征选择技术旨在去除噪音、冗余特征，挑选问题相关及具有良好区分类别能力的“”一特征，达到去伪存真的目的。虽然会丢失些特征的信息，但却使被选择的特征更一能代表问题的本质－。ＳＶＭＲＦＥ是种性能良好，泛化能力强的特征选择方法，它是ＳＶＭ与后项搜索策略的结合。本文研究了ＲＦＥ的后向搜索过程以求改进。在每次迭代删除过程中，使用模拟退火策略，，结合皮尔森相关系数作为度量标准重新评估当前被删除的特征子集与当前剩余特征子集之间的关系，试图找回不相关的、非

5、冗余特征，使其有一。定几率重新加回当前特征子集。越早被删除的特征，被重新考察的机会越大另外，“”“”在最优特征子集搜索过程中，在当前特征子集与最优特征子集准确率持平时，使用互信息分别重新评价两者与类标间的关系，选择关系大的特征子集作为当前搜索到“”的最优特征子集。随着分析技术的发展，基因、蛋白等生物数据维数巨增，其中既存在噪音和不含问题相关信息的无关变量，也存在相互关联的特征，共同表征复杂的生命现象。因此在处理高维生物信息样本时，去除问题无关和冗佘特征，选择区分反映不同类别的生物样

6、本的特征，寻找相互关联的特征，有助于排除噪音干扰，反映问题的实质。变量重叠度可以处理特征在各类样本上分布重叠的问题，去除噪音变量和无关变量。变量关系得分考察变量之间的相互作用，。本文考虑上述因素发掘变量之间相互关联，使用变量（特征）重叠度、变量关系得分，结合特征在超平面上的ＳＶＭ权重，共同形成特征的综合评价、得分，有助于确定反映不同种类疾病药物疗效等的标志信息。实验结果表明，基于相关性度量选择的特征子集，多角度综合评价特征得分的方法都改善了特征选择性能。．－关键词：ＳＶＭＲＦ

7、ＥＴＳＰ重叠度；模拟退火；相关性；；－－Ｉ基于ＳＶＭ－ＲＦＥ的特征选择方法研究ＴｈｅＲｅｓｅａｒｃｈｎｒｍｎ－ｏｆＦｅａｔｕｒｅＳｅｌｅｃｔｉｏＡｌｇｏｉｔｈＢａｓｅｄｏＳＶＭＲＦＥＡｂｓｔｒａｃｔＡｌｏｎｇｗｉｔｈｔｈｅａｄｖａｎｃｅｍｅｎｔｏｆｓｃｉｅｎｃｅｔｅｃｈｎｏｌｏａｎｄｔｈｅａｌｉｃａｔｉｏｎｏｆａｄｖａｎｃｅｄｄｅｖｉｃｅｇｙｐｐ，ｔｈｅｈｕｅｄａｔａｈａｓｂｅｅｎｅｎｅｒａｔｅｄｅｖｅｒｄａ．Ｈｉｈｄｉｍｅｎｓ

8、ｉｏｎｉｎｆｅａｔｕｒｅａｎｄｓｍａｌｌｓｉｚｅｉｎｓａｍｌｅｇ，ｇｙｙｇｐｉｓｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｏｆｂｉｏｌｏｇｉｃｄａｔａ，ａｎｄｂｒｉｎｇｓｔｈｅｎｅｗｃｈａｌｌｅｎｇｅｔｏｍａｎｋｉｎｄｆｏｒｐｒｏｃｅｓｓｉｎｇＩｔｔｔｔｉｎｆｏｒｍａｔｉｏｎ．ｎｏｒｄｅｒｔｏｅｘｔｒａｃｔｈｅｖａｌｕａｂｌｅｉｎｆｏｒｍａｉ