应用遗传算法优化子空间的svm分类算法

提出了一种应用遗传算法优化子空间的svm分类算法gs-svm。该算法首先改进样本选择策略,采用基于置信度和凸包的样本选择方法,考虑类间距离和样本分布等因素,选择典型代表样本作为svm的新训练集；然后采用矩阵式混合编码方式,利用遗传算法一并优化代表样本的特征子空间和svm分类参数,并根据特征优化后的代表样本,构建svm分类模型。在uci的11个数据集上进行的仿真实验结果表明,该算法在大部分数据集上均可获得较小的样本规模和特征维数,以及较高的分类精度。