%0 Journal Article
%T 一种基于变分相关向量机的特征选择和分类结合方法
%A 徐丹蕾
%A 杜兰
%A 刘宏伟
%A 洪灵
%A 李彦兵
%J 自动化学报
%P 932-943
%D 2011
%R 10.3724/SP.J.1004.2011.00932
%X ？相关向量机(Relevancevectormachine,RVM)是一种函数形式等价于支持向量机(Supportvectormachine,SVM)的全概率模型,利用变分贝叶斯(VariationalBayesian,VB)方法求解的RVM可以给出所有参数的后验分布.进一步,通过对样本所在原始特征空间的稀疏化,基于线性核的RVM可以在分类的同时实现对原始特征的线性选择.本文在传统VB-RVM的基础上提出一种特征选择和分类结合方法.该方法采用Probit模型将分类问题与回归问题有机地结合起来,同时,通过对特征维的幂变换扩展,不仅在分类时增加了样本的信息量,可以构造非线性分类面,而且实现了非线性特征选择的功能.通过对仿真数据和实测数据分别进行实验,证明了该特征选择和分类结合方法的实用性和有效性.
%K 特征选择
%K 稀疏化
%K 相关向量机
%K Probit模型
%K 变分贝叶斯
%U http://www.aas.net.cn/CN/abstract/abstract17512.shtml