关键词：特征选择 分类 最小二乘支持向量机 模糊补准则 模糊隶属度函数 

摘要：针对传统特征选择算法采用单一度量的方式难以兼顾泛化性能和降维性能的不足,提出新的特征选择算法（least squares support vector machines and fuzzy supplementary criterion,LS-SVM-FSC）。通过核化的最小二乘支持向量机（least squares support vector machines,LS-SVM）对每个特征的样本进行分类,使用新的模糊隶属度函数获得每个样本对其所属类的模糊隶属度,使用模糊补准则选择具有最小冗余最大相关的特征子集。试验表明：与其他10个特征选择方法与7个隶属度决定方法相比,所提算法在9个数据集上都具有很高的分类准确率和很强的降维性能,且在高维数据集中的学习速度依然很快。

山东工业大学学报杂志要求:

{1}引言作为论文的开场白，应以简短的篇幅介绍论文的研究背景和目的，对相关领域内前人所做的工作和研究进行简要的概括。

{2}本刊恕不退稿，请作者自留底稿，切勿一稿多投。

{3}文题一般字数不超过25字。正文各级标题用阿拉伯数字连续编号，层次分明，可用至4级标题。

{4}论著须附200～300字中英文摘要，包括目的、方法、结果、结论。

{5}作者简介（包括作者姓名、出生年、性别、民族、籍贯、工作单位、职务或职称、学位等），并在文末附上详细的通讯地址、邮政编码、联系电话和电子信箱。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社