基于改進粒子群算法的最優(yōu)特征子集研究.pdf

基于改進粒子群算法的最優(yōu)特征子集研究.pdf

ID:52242530

大?。?19.26 KB

頁數(shù):3頁

時間:2020-03-25

基于改進粒子群算法的最優(yōu)特征子集研究.pdf_第1頁
基于改進粒子群算法的最優(yōu)特征子集研究.pdf_第2頁
基于改進粒子群算法的最優(yōu)特征子集研究.pdf_第3頁
資源描述:

《基于改進粒子群算法的最優(yōu)特征子集研究.pdf》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、64傳感器與微系統(tǒng)(TransducerandMicrosystemTechnologies)2010年第29卷第9期基于改進粒子群算法的最優(yōu)特征子集研究侯大軍,朱偉興(江蘇大學電氣信息工程學院。江蘇鎮(zhèn)江212003)摘要:特征選擇是模式識別系統(tǒng)的難點。針對高維數(shù)據(jù)對象,先運用改進粒子群優(yōu)化(PSO)算法快速、有效地從特征樣本中提取一組最優(yōu)特征子集,然后采用最小二乘支持向量機(LSSVM)分類器對最優(yōu)特征子集進行分類,驗證特征選擇的好壞。經(jīng)大量實驗驗證,在保證分類正確率的前提下,該方法有效提高了特征選擇效率。關(guān)鍵詞:特征選擇;粒子群優(yōu)化算法;最小二乘支持向量機中圖分類號:TP39

2、1.41文獻標識碼:A文章編號:1000-9787(2010)09-0064-03OptimizationofasubsetoffeaturesbasedonmodifiedparticleswarmoptimizationHOUDa-jun,ZHUWei—xing(SchoolofElectricalandInformationEngineering,JiangsuUniversity,Zhenjiang212003,China)Abstract:Featureselectionisaverydifficultproblemsformoderecognitionsystem.F

3、orhishdimensiondata,themodifiedparticleswarmoptimization(PSO)algorithmwaseffectivelyandquicklyappliedtothefeatureextractionoftheoptimumsamples.Theoptimumsampleswererecognizedbythesupportvectormachineclassifier,whichischeckedhowtousethefeatureselection.Experimentalresultsonthedatabaseshowthism

4、ethodcallguaranteethecorrectrateofclassificationandimprovetheefficiencyoffeatureselection.Keywords:featureselection;particleswarmoptimization(PSO)algorithm;leastsquaressupportvectormachine0引言(PSO)算法提取出一組最優(yōu)特征,進而驗證了此方法的可特征選擇是模式識別中的關(guān)鍵環(huán)節(jié),特征選擇質(zhì)量的行性。好壞直接影響到識別的成敗,因此,受到科研人員的普遍重1特征選擇建模與分類視。特征選擇中的搜索問題是

5、一個NP難題。窮盡式搜索在實際問題中,一般情況下在進行特征提取時會存在由于其計算量過大,不可能得到廣泛應(yīng)用。1978年,Kittler一些無關(guān)或不重要的特征,這些預(yù)先并不知道。無關(guān)或不重要的特征有可能引入噪聲,甚至對識別的正確率有負面J提出“分支定界算法”,它是一種自上而下方法,但具有回的影響。更進~步說,少量的特征可以減少系統(tǒng)的花費。溯功能,可使所有的特征組合都被考慮到,這樣計算量還是因此,很有必要通過特征壓縮來尋找一組最佳特征子集。很大。此后出現(xiàn)的順序前進法(SFS),順序后退法(SBS)以圖1為特征選擇建??蚣?。及改進的廣義順序前進法(GSFS),廣義順序后退法(GS—Bs

6、)等,這些啟發(fā)式搜索策略實際上屬于貪心類算法,搜索計算量較小,在原始特征之間相關(guān)性較小的情況下,這類算法能夠取得較好的效果。但存在明顯的缺點:特征一旦被加入或剔除,易出現(xiàn)搜索結(jié)果陷于局部最優(yōu)的“筑巢”現(xiàn)圖1特征選擇建??蚣芟蟆榭朔@些缺陷,出現(xiàn)了增1減r法(PTA),先順序加Fig1Modelingoffeatureselection入1個特征再依次剔除r個特征,但這種l和r很難確定。1.1改進的離散二進制PSO算法KudoM等人提出了比啟發(fā)式搜索更有優(yōu)勢的隨機搜索1.1.1離散二進制PSO算法基本原理與改進算法策略,如遺傳算法],但出現(xiàn)早收斂、在進化后期搜索效率基本PSO算法

7、是用于實值連續(xù)空間,然而,特征選低的問題。鑒于以上情況,本文采用改進粒子群優(yōu)化擇是組合優(yōu)化問題,因而采用離散形式的PSO算法】。收稿日期:2009-10-29第9期侯大軍,等:基于改進粒子群算法的最優(yōu)特征子集研究根據(jù)下面2個公式來更新粒子的速度和位置為一個種群,其中,第i個微粒表示為一個.,維的向量=(k+1)=刪()+clr1(k)(pBest()())十[,?,r,i=1,2,?,m。如果的第位為1,則此c2r2(k)(gst,(k)一(k)),(1)特征被選中;否則,沒有被

當前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學公式或PPT動畫的文件,查看預(yù)覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負責整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內(nèi)容,確認文檔內(nèi)容符合您的需求后進行下載,若出現(xiàn)內(nèi)容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。