作者：张亚龙; 赵荣珍; 王雪冬; 张娟特征选择特征子集拉普拉斯分值粒子群算法支持向量机
摘要：为了提高分类器的分类精度和泛化能力，提出一种基于粒子群算法（Particle Swarm Optimization，PSO）和拉普拉斯分值（Laplace Score，LS）的混合式故障特征选择方法。该方法首先采用过滤式的特征选择方法（LS）对原始特征集进行筛选，然后利用PSO在经过精简的特征子空间里进行随机搜索，搜索过程中以支持向量机的分类准确率为适应度函数，选择出最优特征子集。用双跨转子实验台的一组故障特征数据集进行验证。实验结果表明，该方法可以有效地筛选出规模较小且最有辨别力的特征子集，能显著提高分类器的分类准确率及效率。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
