技术总结
本发明涉及一种多准则融合应用于高维小样本数据特征选择的方法包，其括以下步骤：1)初始化样本数据集并对其进行聚类；2)用Fisher Ratio方法与ReliefF法，分别对完成聚类的样本进行特征选取；3)融合特征选择结果并对各个类加以不同的惩罚因子，然后采用融合结果训练PSVM分类器；4)采用完成训练的分类器对样本数据集进行回归，并剔除相关性最小的特征，更新样本数据集；5)判断编码是否结束；如果是，则结束迭代；若果否，则重复步骤2～4，直到实现特征选择。本多准则融合应用于高维小样本数据特征选择的方法，于高维小样本数据特征选择领域，显著的加快了特征选择的速度和效率，并大大提高了特征选择结果的稳定性。
技术研发人员：江竹;雷震宇
受保护的技术使用者：西华大学
文档号码：201610549968
技术研发日：2016.07.13
技术公布日：2016.12.07