一种改进的最少核分类器

摘要

最少核分类器是包含最少错分点和最少支持向量的一种分类器.本文提出基于特征选择的最少核分类器,在实现使用最少样本点来构造和表示一般线性规划支持向量机(svm)的同时,还进行了特征选择,提高了分类器的泛化能力,在以后的样本测试中使用更少的特征维数,减少识别过程计算量.特征选择过程中主要通过引入映射函数ψ<,σ>(x)=ψ(Σx),以原始输入空间中进行特征选择.数值试验表明,改进过的分类器能有效压缩无用的特征属性,具有较强的泛化能力.