隨著社會的發(fā)展和科技的進步,數(shù)據(jù)量呈現(xiàn)出爆炸式的增長,通常在機器學習領域中,學習算法的性能會隨著數(shù)據(jù)集特征過多而下降。近些年來,特征選擇作為解決這個問題的有效手段,得到了廣泛的關注,諸多的學者也相繼開發(fā)、改進了許多特征選擇的方法,取得了可觀的成效。在這些有效的算法中,粒子群優(yōu)化算法具有參數(shù)少、操作簡單、局部搜索能力強等優(yōu)點,使得粒子群優(yōu)化算法解決特征選擇問題變?yōu)楫斍把芯康闹攸c。本文通過進一步的分析粒子群優(yōu)化算法和特征選擇問題,并結合社團檢測,利用社團檢測算法深度挖掘特征之間隱藏的信息去指導種群進化。主要工作包括以下兩方面:（1）針對粒子群優(yōu)化算法在解決特征選擇問題中,容易陷入局部最優(yōu),難以找到高質(zhì)量特征子集的問題。提出了一種基于社團的粒子群優(yōu)化特征選擇算法CBPSOFS。算法的大致思想如下:首先,將特征轉(zhuǎn)化為特征圖,并結合社團檢測的算法將特征劃分為不同的特征社團,根據(jù)同一特征社團包含相似信息設計了基于社團的自適應更新策略,來保持種群的多樣性,同時平衡了局部搜索和全局搜索,有效的克服了過早陷入局部最優(yōu)的現(xiàn)象;此外設計了基于信息增益的初始化策略和基于歷史信息的重置策略,進一步提高了算法的性... 

【文章來源】：安徽大學安徽省 211工程院校

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 特征選擇算法的研究現(xiàn)狀
        1.2.1 基于粒子群優(yōu)化特征選擇算法
        1.2.2 基于社團的特征選擇方法
    1.3 本文的工作與安排
第二章 相關理論及算法
    2.1 特征選擇
        2.1.1 過濾式特征選擇
        2.1.2 封裝式特征選擇
    2.2 粒子群優(yōu)化算法
    2.3 社團檢測
    2.4 構造特征圖
    2.5 本章小結
第三章 基于社團檢測的粒子群優(yōu)化特征選擇算法
    3.1 算法思想
    3.2 算法流程和算法主要的策略
        3.2.1 算法流程
        3.2.2 基于信息增益的初始化策略
        3.2.3 基于社團的自適應更新策略
        3.2.4 基于歷史信息的重置策略
    3.3 實驗與分析
        3.3.1 實驗設置
        3.3.2 實驗分析結果
        3.3.3 策略有效性分析
    3.4 本章小結
第四章 基于核心粒子的粒子群優(yōu)化高維特征選擇算法
    4.1 算法思想
    4.2 算法流程及算法主要的策略
        4.2.1 算法流程
        4.2.2 核心粒子集生成策略
        4.2.3 核心粒子選擇策略
        4.2.4 基于非支配解的種群變換策略
    4.3 實驗與分析
        4.3.1 實驗設置
        4.3.2 實驗分析結果
        4.3.3 策略有效性分析
    4.4 本章小結
結論
參考文獻
攻讀碩士學位期間發(fā)表的學術成果及參加的科研項目
致謝


【參考文獻】：
期刊論文
[1]基于相關搜索的前向序列特征選擇算法[J]. 李三川,吳麗麗.  通信技術. 2018(12)
[2]大數(shù)據(jù)研究[J]. 嚴霄鳳,張德馨.  計算機技術與發(fā)展. 2013(04)
[3]基于PSO的LS-SVM特征選擇與參數(shù)優(yōu)化算法[J]. 姚全珠,蔡婕.  計算機工程與應用. 2010(01)
[4]基于粒子群優(yōu)化算法和相關性分析的特征子集選擇[J]. 郭文忠,陳國龍,陳慶良,余輪.  計算機科學. 2008(02)
[5]基于蟻群優(yōu)化的特征選擇新方法[J]. 葉志偉,鄭肇葆,萬幼川,虞欣.  武漢大學學報(信息科學版). 2007(12)
[6]基于遺傳算法和模擬退火算法的特征選擇方法[J]. 劉素華,侯惠芳,李小霞.  計算機工程. 2005(16)
[7]中文文本分類中的特征選擇研究[J]. 周茜,趙明生,扈旻.  中文信息學報. 2004(03)
[8]人臉識別技術綜述[J]. 張翠平,蘇光大.  中國圖象圖形學報. 2000(11)

碩士論文
[1]基于相關性的癌癥特征選擇及分類算法研究[D]. 彭湘華.湖南大學 2012



本文編號：3448613