一种基于灵敏度分析的非线性支持向量回归特征提取方法

摘要

本发明涉及一种基于灵敏度分析和非线性支持向量回归的特征提取方法，方法包括：首先构建训练样本集；然后运行支持向量回归算法；接着计算特征向量每个元素（特征）的灵敏度值；最后，选择较大的灵敏度值对应的特征作为提取结果。本发明具有特征提取准确率高，且提取的特征能够提高预测精度的优点。本发明方法可以用于图像处理和模式识别等领域，可以用于降低原始数据的维数和对数据进行分类，还可以在医学图像处理领域用作疾病区域的映射，在遥感图像处理领域用作感兴趣区域的提取。

主权项

一种基于灵敏度分析和非线性支持向量回归的特征提取方法，其特征在于，其步骤如下：(1)构建训练样本集；具体步骤为：构建一个输入矩阵，训练样本的特征向量——输入向量x_i作为输入矩阵的行，同时生成输出向量，输出向量的元素i为输入矩阵的行——特征向量所相对应的输出值y_i；(2)运行支持向量回归算法；具体步骤为：依次选择x＝x_i作为测试样本，从训练集中剔除该样本，用其余样本进行训练运行支持向量机回归算法，得到相应的和b，并计算(3)计算特征向量每个元素——特征的灵敏度值；计算公式为：其目标函数定义为：其中，y是输入向量x对应的输出值，为其对应的预测值；的计算，通过公式$\left|\right|\frac{\partial J\left(x\right)}{\partial x_l}|{|}_{x=x_i}=||{\Sigma }_{i=1}^N{f}_i\left(x\right)-b_0|{|}_{x=x_i}\left[{\Sigma }_{i=1}^N\right|\left|\frac{\partial f_i\left(x\right)}{\partial x_l}\right|{|}_{x=x_i}]$完成；(4)选择较大的灵敏度值对应的特征作为提取结果，完成特征提取。