基于随机特征子空间及加权核函数的 SVM 算法

为克服 SVM 算法缺乏高效率和低准确率的问题，笔者对 SVM 算法进行改进。首先通过采用 ReliefF 算法得到各个特征权值，然后基于随机特征子空间方法，即每次都选取权值较大的几个特征，再从剩余特征中随机选取一定数量特征共同组成一个特征空间来表示样本的一个视图。在进行训练分类器时，将特征的权值也应用于 SVM 的核函数中。实验表明，本文算法能有效提高 SVM 的分类精度。