一种提高SVM分类器识别效率的特征选择方法

摘要

针对SVM分类器处理高维数据时耗时过长这一问题，提出了SVM-RFE和PCA相结合的特征选择方法，即先用SVM-RFE算法得到最优特征子集，然后用PCA方法对最优特征子集进行主成分分析，得到维数降低且相互独立的数据集，该数据集作为SVM分类器的训练集和测试集。在UCI数据库的5个数据集上进行实验，结果表明该方法在提高SVM分类器识别率的同时使训练和测试时间显著缩短。