周 阳, 周 炎,周 桃,任 卉,石玲玲

(北京宇航系统工程研究所，北京 100076 )

基于标准序列浮动前向特征选择的改进算法研究

周 阳, 周 炎,周 桃,任 卉,石玲玲

(北京宇航系统工程研究所，北京 100076 )

信息技术的高速发展促进了信息领域内涵的根本性变革,信息特征的表述方法和内涵不断扩充，高维特征大幅涌现;这些高维特征中可能存在许多不相关和冗余特征,造成了维度灾难,这对基于特征空间聚散特性的分类识别算法提出了更高的要求，需要利用特征选择算法，降低特征向量维数并消除数据噪音的干扰;针对高维特征向量引入的维度灾难等问题，围绕目标分类识别的具体应用，基于标准的序列浮动前向特征选择算法，完成交叉验证重复次数优化，提出了改进的特征选择算法;通过仿真实验表明，基于Bayesian分类器开展识别时，改进算法能够在确保分类识别正确率的前提下，有效提升特征选择的计算速度，并维持一个相对更为收敛且稳定的置信区间，具备良好的准确度。

特征选择；浮动前向选择；Bayesian分类器；目标识别

0 引言

对于典型的模式分类问题来说，决定样本属于某一类通常由描述样本的特征向量决定，即所有的样本被抽象为一组特征向量，特征向量在特征空间的可分性直接决定了分类器性能的优劣[1]。信息技术的飞速发展引发了信息领域内涵的极大延伸，各类特征提取算法不断涌现，一方面表征人们对于事物的认识角度得到……