基于支持向量机的特征提取方法研究与应用

摘要

支持向量机是一种基于结构风险最小化原理的分类技术,已逐渐引起国内外研究者的关注.提出了一种用于最佳特征子集选取的特征筛选算法,且实现了特征与分类识别相关性强度的排序,并通过使用该算法对Ⅱ型糖尿病判别与风险因素筛选,求证了该方法的可靠性和可行性.当以该算法提取的特征子集{腰围、腰围/臀围、舒张血压、年龄}作为输入向量时,敏感度、特异性、准确率最高,分别为0.8666、0.6420、0.7014.同时,还将该算法与主成分分析法进行比较.实验表明,在特征提取方面该算法优于主成分分析法.因此,该算法对分类识别、风险因素筛选是一种有效的方法,为解决该类问题探索了一条有效途径.