特征加权支持向量机

作     者：汪廷华 田盛丰 黄厚宽 Wang Ting-hua;Tian Sheng-feng;Huang Hou-kuan

作者机构：北京交通大学计算机与信息技术学院北京100044 

出 版 物：《电子与信息学报》 (Journal of Electronics & Information Technology)

年 卷 期：2009年第31卷第3期

页      面：514-518页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 0808[工学-电气工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家973规划项目(2007CB307100 2007CB307106) 北京交通大学科技基金(2006XM007)资助课题 

主　　题：支持向量机 特征加权 信息增益 机器学习 

摘      要：该文针对现有的加权支持向量机(WSVM)和模糊支持向量机(FSVM)只考虑样本重要性而没有考虑特征重要性对分类结果的影响的缺陷,提出了基于特征加权的支持向量机方法,即特征加权支持向量机(FWSVM)。该方法首先利用信息增益计算各个特征对分类任务的重要度,然后用获得的特征重要度对核函数中的内积和欧氏距离进行加权计算,从而避免了核函数的计算被一些弱相关或不相关的特征所支配。理论分析和数值实验的结果都表明,该方法比传统的SVM具有更好的鲁棒性和分类能力。