摘要
特征选择在BP神经网络算法中起着重要作用,顺序前向选择算法(SFS算法)利用前向搜索叠加的方式,从众多的原始特征中获得对分类识别算法最有效的主要特征,实现样本特征维数压缩。提出一种改进SFS特征选择算法,设计了加权判别函数和测试反馈停止准则。实验证明,改进算法能有效压缩样本特征维数,提高BP网络收敛速度和正确识别率。
Feature selection plays an important role in the BP neural network algorithm. Sequence forward selection（SFS） algorithm can realize the compression of sample feature dimension by using a way of forward search superimposition to get the most efficient main feature of classification recognition algorithm from numerous original features. An improved SFS feature selection algorithm is proposed in this paper. Weighted discriminant function was designed and feedback stopping criterion was tested. The experimental results show that the improved algorithm can effectively compress the sample feature dimension,as well as improve BP network astringency and correct recognition rate.
出处
《现代电子技术》
北大核心
2015年第12期1-4,共4页
Modern Electronics Technique
基金
湖南省创新基金支持项目(202c26214300674)
作者简介
朱旭东（1982-），男，吉林双辽人，硕士研究生。主要研究方向为信号处理。
梁光明（1970-），男，湖南涟源人，副教授，硕士生导师。主要研究方向为信号处理。
冯雁（1984-），男。广西贵港人，硕士研究生。主要研究方向为信号处理。
