基于遺傳算法的特征選擇方法的改進研究.pdf

1、隨著描述事物復雜程度的提高，需要處理的特征維數(shù)越來越高，同時特征中的冗余部分相應地增多。利用特征選擇減少特征中的冗余部分，提高模式分類的效率和準確性，是目前的研究熱點。本文討論了特征選擇的研究現(xiàn)狀、基本理論和方法，研究了特征選擇的搜索策略、評價準則和選擇模式，具體完成的工作主要有以下三個方面：
　　1）提出了基于改進遺傳算法的并列式多準則特征選擇算法。首先，針對基本遺傳算法用于特征選擇精度不高、過早收斂的問題，對其進行了改進：采用

2、自適應交叉和自適應變異操作，并引入了鏈式智能體結構，智能體間通過競爭實現(xiàn)優(yōu)勝劣汰，改進后算法的收斂速度和解的質量都得到了提高。然后，將改進的遺傳算法用于特征選擇。為了提高單評價準則特征選擇算法的性能，本文提出了并列式多準則算法：分別基于單個準則選出滿意特征子集，然后通過某種評價體制得到最終特征子集。實驗結果表明，并列式多準則算法性能優(yōu)于單準則算法，能有效去除冗余特征，降低特征維數(shù)，提高分類準確率。
　　2）提出了基于改進遺傳算法的

3、輪循式多準則特征選擇算法。與并列式多準則算法不同，該算法的思路是依次采用各個準則進行特征選擇，利用后面的準則對前面的準則進行補充、修正，直到所有的評價準則全部遍歷完為止。實驗結果表明，輪循式多準則算法比僅采用單個準則的特征選擇算法準確率更高。
　　3）提出了比例混合模式特征選擇算法。將filter模式和wrapper模式有機結合，提出了比例混合模式的特征選擇算法：首先采用基于遺傳算法的filter模式進行一次特征選擇，然后根據比例