基于改进智能优化算法的数据特征选择方法.pdf
《基于改进智能优化算法的数据特征选择方法.pdf》由会员分享,可在线阅读,更多相关《基于改进智能优化算法的数据特征选择方法.pdf(4页珍藏版)》请在咨信网上搜索。
1、 传感器与微系统()年第卷第期:()基于改进智能优化算法的数据特征选择方法张玉琴,张建亮,冯向东(成都理工大学工程技术学院,四川乐山)摘要:特征选择在人工智能领域是一个困难又重要的问题,为了快速准确地筛选特征,提出一种改进的帝王蝶优化()算法进行封装特征选择。首先,为了使新产生的个体具有一定种群记忆功能,在迁徙算子中添加种差分变异策略,提高种群个体的信息共享。然后,封装式特征选择算法使用模糊均值()分类器作为评估器,利用作为搜索策略。实验结果表明:与原帝王蝶优化()、人工蜂群()算法和蚱蜢优化算法()相比,所提算法在多个公开数据集上实现了较高的准确度,显著降低了特征选择规模,且具有较快的收敛速
2、度。关键词:帝王蝶优化;模糊均值;特征选择;收敛速度;分类中图分类号:文献标识码:文章编号:(),(,):(),(),(),()(),:();();引言特征选择是数据挖掘和人工智能领域的一大难题。在数据处理过程中,很多数据集是非常复杂的,且包含了大量冗余和不必要的成分,这可能会在数据分析过程中产生混淆,降低准确性。为此,需要采用特征选择过程的预处理步骤来减少冗余,提高处理效率。特征选择程序一般包含个主要阶段:生成阶段、评估阶段和验证阶段,。由于元启发式算法具有执行效率高、准确性高的特点,广泛用于特征选择的生成阶段。目前,针对特征选择问题的求解,主要使用启发式智能算法。如文献 提出无监督场景下的
3、基于复杂网络节点度中心性的特征选择方法。文献提出了基于蚱蜢优化算法(,)和进化种群动态(,)的封装式特征选择方法。文献 将差分进化算法与森林优化算法结合,引入一种反馈机制,提出差分进化和随机森林优化的混合算法,并将其用于特征选择问题。文献利用遗传算法(,)以多阶段形式解决特征选择问题。相关研究表明,使用和皮尔森()相关系数的混合方法可以改善特征选择的性能。本文提出了改进的帝王蝶优化(,)算法来求解特征选择问题,结果表收稿日期:基金项目:四川省教育厅自然科学重点项目(,);成都理工大学工程技术学院基金资助项目()第期张玉琴,等:基于改进智能优化算法的数据特征选择方法明,所提在分类准确度和选定特征
4、数量(选择规模)方面的性能优于其他方法。其主要创新之处如下:)在迁徙算子中添加差分变异策略,使得种群具有一定的记忆性和信息共享,从而提高了原帝王蝶优化(,)算法的性能;)利用改进后的与封装方法作为特征选择的优化器,并利用模糊均值(,)方法确定所选特征,使得特征选择具有了较好的准确度和降维效果。基于改进的特征选择方法文献 基于北美地区的蝴蝶开发了智能算法,本文对其优化改进,并用于特征选择问题。提出的差分变异策略迁徙算子蝴蝶的迁徙过程一般表示为,其中,为 代的的第个元素,即蝴蝶的位置;,为新一代位置的第个元素。为一个随机数,可计算为 ,为迁徙周期时长。另一方面,若,则新一代位置的第个元素可计算为,
5、()式中,为在蝴蝶的第代的第个元素。原的缺点是式()随机选择个体来产生新的个体,造成当前最优解不能记忆整个种群形式,容易造成丢失信息或者陷入局部最优解。为了种群内的合作与竞争,提高求解质量,本文替换式()为差分变异策略,选取个差分变异策略,其公式为:():()():():()():()()()式中参数,为来自于父代中个不同个体;为当前最优个体;缩放因子为和,其取值范围均为,这个缩放因子可直接控制差分向量的影响。在迁徙过程中,加入差分变异策略,可以在一定程度上增加种群的记忆性和共享信息,从而提高算法的整体性能。新的迁徙算子如算法所示。算法:迁徙算子 (对于子种群中的所有帝王蝶)(第个帝王蝶中的所
6、有元素)通过均匀分布生成一个随机数 ;,则随机选择子种群中的只帝王蝶();利用迁徙公式生成新一代位置的第个元素;随机选择子种群中的只帝王蝶();利用式()生成新一代位置的第个元素;蝴蝶调节算子通过调整值的比率,在 和 的迁徙方向之间实现平衡。若值较大,则意味着选择的 的蝴蝶数量大于 的蝴蝶数量,反之亦然。若生成的小于或等于值,则调整蝴蝶位置。蝴蝶位置的更新可表示为,()式中 ,为在第 代的第个元素,即蝴蝶的位置;,为在和中在当前代的第个元素。若,则更新为,()另一方面,若大于,则对新位置进行更新,()()式中为蝴蝶的调节率,为第个蝴蝶的步长,通过执行莱维飞行,将其计算为()()加权因子的定义如
7、下 ()式中 为蝴蝶的单次最大步长,为当前代。蝴蝶调节算子如算法所示。算法:蝴蝶调节算子 (子种群中的所有帝王蝶)利用式()计算步长;利用式()计算加权因子;(第个帝王蝶中的所有元素)通过均匀分布随机生成随机数 通过式()生成新一代位置的第个元素 随机选择子种群中的只帝王蝶();通过式()生成新一代位置的第个元素 ,();传 感 器 与 微 系 统第卷提出的特征选择方法提出的封装式特征选择算法使用作为评估器,同时利用作为搜索策略。分类器确定通过所选特征的准确率,其目标函数为(,)()式中 为隶属度值;为元素与中心点之间的欧氏距离;为一个模糊化的参数;为聚类的数量;为聚类中心向量集合;为特征矩阵
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 改进 智能 优化 算法 数据 特征 选择 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。