基于基因鎖定及鏈?zhǔn)街悄荏w遺傳算法的特征選擇研究.pdf

1、特征選擇是模式識(shí)別、數(shù)據(jù)挖掘的重要數(shù)據(jù)預(yù)處理方法。研究對(duì)象的特征維數(shù)隨著所描述對(duì)象復(fù)雜程度遞增而增高，由于大量高維數(shù)據(jù)對(duì)象的特征空間中含有許多冗余特征甚至噪聲特征，所以運(yùn)用特征選擇方法減少這些冗余或噪聲特征，來(lái)降低搜索時(shí)間和提高搜索效果已成為特征選擇的研究熱點(diǎn)。通常降低搜索時(shí)間和提高搜索結(jié)果的“滿意性”（滿意性即能夠滿足實(shí)際工程要求的特征子集性能）是矛盾的。論文將遺傳算法用于特征選擇的搜索中，針對(duì)工程中對(duì)實(shí)時(shí)性和滿意性的不同要求，研究相

2、關(guān)算法，主要工作和結(jié)果如下：
　　1.針對(duì)實(shí)時(shí)性要求強(qiáng)的，高維特征集進(jìn)行滿意特征子集選擇的時(shí)候，傳統(tǒng)的特征選擇方法執(zhí)行時(shí)間很長(zhǎng)，算法執(zhí)行效率低的問(wèn)題，提出了基于基因鎖定位遺傳算法GLGA（Gene-Lock Genetic Algorithm）來(lái)進(jìn)行特征選擇，該算法引入基因鎖定位算子，避免了對(duì)基因的重復(fù)搜索；采用基于特征標(biāo)志位寄存器狀態(tài)的自適應(yīng)結(jié)束條件，加快了算法的收斂速度。
　　2.針對(duì)網(wǎng)絡(luò)式環(huán)境（Lattice）遺傳算法

3、搜索結(jié)果不能較好地滿足實(shí)際工程需要的問(wèn)題，提出了基于鏈?zhǔn)街悄荏w遺傳算法LAGA（Link Agent Genetic Algorithm）的特征選擇方法。該算法采用鏈?zhǔn)街悄荏w結(jié)構(gòu)，取代了Lattice智能體結(jié)構(gòu)，有助于減小計(jì)算代價(jià)，保持種群多樣性；采用動(dòng)態(tài)競(jìng)爭(zhēng)的選擇策略，既可以自適應(yīng)擴(kuò)大搜索范圍，又實(shí)現(xiàn)了局部尋優(yōu)，提高了搜索效率；采用自適應(yīng)交叉、變異算子，有效的保持了種群多樣性，提高了搜索滿意度。
　　3.文中選擇了國(guó)際通行的機(jī)器

4、學(xué)習(xí)數(shù)據(jù)集UCI（University of California，Irvine）中的兩個(gè)數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)。分別將GLGA和LAGA與其它三種遺傳算法進(jìn)行比較，且運(yùn)用了三個(gè)不同的評(píng)價(jià)準(zhǔn)則分別結(jié)合四種算法進(jìn)行了特征選擇能力實(shí)驗(yàn)和BP神經(jīng)網(wǎng)絡(luò)分類結(jié)果比較實(shí)驗(yàn)。實(shí)驗(yàn)表明：
　　①GLGA算法的執(zhí)行時(shí)間短，執(zhí)行效率高，能夠用于實(shí)時(shí)性強(qiáng)的特征選擇問(wèn)題。并且，該算法所選出的特征子集的識(shí)別準(zhǔn)確率也與其它三種特征選擇算法選出的結(jié)果相當(dāng)，有時(shí)甚至更高