支持向量机递归特征消除（SVM-RFE）是一种功能强大的特征选择算法。 但是，当候选特征集包含高度相关的特征时，SVM-RFE的排序标准将出现偏差，这会阻碍SVM-RFE在气体传感器数据上的应用。 本文研究了线性和非线性SVM-RFE算法。 在研究了相关偏差之后，通过将相关偏差减少（CBR）策略纳入特征消除过程，提出了一种改进的算法SVM-RFE + CBR。 在合成数据集和两个呼吸分析数据集上进行实验，其中一个包含温度调制传感器。 从传感器响应中提取出大量的全面的瞬态特征。 具有特征选择的分类
