| 发明名称 | 一种小样本数据模式识别的特征选择方法 | ||
| 摘要 | 本发明涉及一种小样本数据模式识别的特征选择方法，首先根据训练样本集构造SVM分类面模型；确定SVM分类面的边界点，选择合理异类边界点对，计算各合理异类边界点对的分类面点；根据所有分类面模型的分类面点，由特征重要性度量模型计算各特征的重要性度量值；依计算出的特征重要性度量值大小进行特征排序与选择；本发明的方法具有特征重要性度量准确快速等特点，可满足小样本分类器设计的特征选择与排序的实际需要，为模式识别等领域特征选择与排序提供了新的有效技术。 | ||
| 申请公布号 | CN102663417B | 申请公布日期 | 2015.02.25 |
| 申请号 | CN201210073277.8 | 申请日期 | 2012.03.19 |
| 申请人 | 河南工业大学 | 发明人 | 张德贤;刘灿;张苗;于俊伟;许伟涛;李保利;杨卫东;王洪群;梁义涛;靳小波 |
| 分类号 | G06F17/30(2006.01)I | 主分类号 | G06F17/30(2006.01)I |
| 代理机构 | 郑州睿信知识产权代理有限公司 41119 | 代理人 | 陈浩 |
| 主权项 | 一种小样本数据模式识别的特征选择方法，其特征在于，该方法的步骤如下：(1)根据训练样本集，构造SVM分类面模型；(2)确定SVM分类面的边界点，利用异类边界点连线的中点之间距离来选择合理异类边界点对，计算各合理异类边界点对的分类面点；(3)根据所有分类面模型的分类面点，由特征重要性度量模型CV(x<sub>D</sub>)(1‑CV(x<sub>D</sub>)logCV(x<sub>D</sub>))计算各特征的重要性度量值，其中<img file="FDA0000621790440000011.GIF" wi="352" he="199" />表示x<sub>D</sub>点处分类面的法线方向与特征轴的夹角余弦绝对值，<img file="FDA0000621790440000014.GIF" wi="273" he="73" />表示特征<img file="FDA0000621790440000015.GIF" wi="65" he="52" />在x<sub>D</sub>点处的特征重要性度量；(4)对于计算出的特征重要性度量值，值越大表示越重要，由大至小进行特征排序，并优先选择排在前面的特征。 | ||
| 地址 | 450001 河南省郑州市高新技术产业开发区莲花街河南工业大学信息科学与工程学院 | ||