基于文化基因算法和最小二乘支持向量机的安全数据特征处理方法

发布时间：2018-04-27 16:02

  本文选题：特征选择 + 文化基因算法　； 参考：《计算机科学》2017年03期

【摘要】：随着各类生物智能演化算法的日益成熟,基于演化技术及其混合算法的特征选择方法不断涌现。针对高维小样本安全数据的特征选择问题,将文化基因算法(Memetic Algorithm,MA)与最小二乘支持向量机(Least Squares Support Vector Machine,LS-SVM)进行结合,设计了一种封装式(Wrapper)特征选择方法(MA-LSSVM)。该方法利用最小二乘支持向量机易于求解的特点来构造分类器,以分类的准确率作为文化基因算法寻优过程中适应度函数的主要成分。实验表明,MA-LSSVM可以较高效地、稳定地获取对分类贡献较大的特征,降低了数据维度,提高了分类效率。
[Abstract]:With the growing maturity of various intelligent evolutionary algorithms, feature selection methods based on evolutionary techniques and their hybrid algorithms are emerging. In order to solve the problem of feature selection of high-dimensional and small-sample security data, a new feature selection method named MA-LSSVM is designed by combining the cultural genetic algorithm (MA-Memetic algorithm) with least squares support vector machine (LS-SVM) and least squares support vector machine (LS-SVM). In this method, the feature of least square support vector machine (LS-SVM) is used to construct the classifier, and the accuracy of classification is used as the main component of the fitness function in the optimization process of the cultural gene algorithm. The experimental results show that MA-LSSVM can efficiently and stably acquire the features that contribute more to the classification, reduce the data dimension and improve the classification efficiency.
【作者单位】： 全球能源互联网研究院;国网浙江省电力公司;南京理工大学计算机科学与工程学院;
【基金】：国家电网公司2015年科技项目(SGRIXTKJ[2015]216)资助
【分类号】：TP18

【参考文献】

相关期刊论文 前9条

1 杨文璐;宁玉富;;基于交叉因子和模拟退火的群搜索优化算法[J];计算机工程与设计;2013年06期

2 Li Kun;Gao Xianwen;Tian Zhongda;Qiu Zhixue;;Using the curve moment and the PSO-SVM method to diagnose downhole conditions of a sucker rod pumping unit[J];Petroleum Science;2013年01期

3 李云;;稳定的特征选择研究[J];微型机与应用;2012年15期

4 刘罡;李元香;郑昊;;保存基因的2-Opt一般反向差分演化算法[J];小型微型计算机系统;2012年04期

5 罗钧;樊鹏程;;基于遗传交叉因子的改进蜂群优化算法[J];计算机应用研究;2009年10期

6 李彦斌;张宁;李存斌;;Support vector machine forecasting method improved by chaotic particle swarm optimization and its application[J];Journal of Central South University of Technology;2009年03期

7 武志峰;黄厚宽;赵翔;;二进制编码差异演化算法在Agent联盟形成中的应用[J];计算机研究与发展;2008年05期

8 孙艳丰;;基于遗传算法和禁忌搜索算法的混合策略及其应用[J];北京工业大学学报;2006年03期

9 何大阔,王福利,张春梅;基于均匀设计的遗传算法参数设定[J];东北大学学报;2003年05期

【共引文献】

相关期刊论文 前10条

1 马媛媛;施永益;张宏;林棋;李千目;;基于文化基因算法和最小二乘支持向量机的安全数据特征处理方法[J];计算机科学;2017年03期

2 王凯;李红梅;姚宏洋;;低转矩脉动同步磁阻电机设计与优化[J];微特电机;2017年01期

3 王松;李红星;;基于遗传搜索策略的人工蜂群算法[J];北京联合大学学报;2017年01期

4 李翔宇;高宪文;李琨;侯延彬;;鱼群算法优化组合核函数GPR的油井动液面预测[J];东北大学学报(自然科学版);2017年01期

5 焦晓璇;景博;羌晓清;刘晓东;李娟;周伟;;机载燃油泵故障诊断及实验平台研究[J];振动与冲击;2017年01期

6 李琨;韩莹;佘东生;魏泽飞;黄海礁;;基于IFOA-KELM-MEA模型的游梁式抽油机采油系统井下工况的短期预测[J];化工学报;2017年01期

7 李翔宇;高宪文;侯延彬;王宏日;;游梁式抽油机悬点负载耦合动力学建模[J];东北大学学报(自然科学版);2016年09期

8 汤德佑;周子琳;;基于临界多边形的不规则件启发式排样算法[J];计算机应用;2016年09期

9 蒋玲莉;莫志军;陈安华;李学军;;一种聚类优化融合故障诊断方法及其应用[J];中国机械工程;2016年15期

10 Teena Mittal;R.K.Sharma;;Integrated search technique for parameter determination of SVM for speech recognition[J];Journal of Central South University;2016年06期

【二级参考文献】

相关期刊论文 前10条

1 陈晓娟;陈婧;;基于遗传模拟退火的QoS单播路由算法[J];计算机应用研究;2012年12期

2 许鹏飞;苗启广;李伟生;张军英;;基于函数复杂度的自适应模拟退火和禁忌搜索新算法[J];电子学报;2012年06期

3 刘鲭洁;陈桂明;刘小方;杨庆;;基于遗传算法的SVM参数组合优化[J];计算机应用与软件;2012年04期

4 周钰婷;刘光远;赖祥伟;;模拟退火免疫粒子群算法在皮肤电信号情感识别中的应用[J];计算机应用;2011年10期

5 梁华;李训铭;;基于物理意义的示功图凡尔开闭点精确提取[J];石油勘探与开发;2011年01期

6 刘锋;覃广;李丽娟;;快速被动群搜索优化算法及其在空间结构中的应用[J];工程设计学报;2010年06期

7 李敬元;陈国春;李子丰;李慧云;;滤波技术在有杆泵抽油系统诊断中的应用[J];石油学报;2010年01期

8 吴昱;李元香;徐星;;基于群智能的新型反向混合差分进化算法[J];小型微型计算机系统;2009年05期

9 张雯栶;滕少华;李丽娟;;改进的群搜索优化算法[J];计算机工程与应用;2009年04期

10 ;An improved group search optimizer for mechanical design optimization problems[J];Progress in Natural Science;2009年01期

【相似文献】

相关期刊论文 前10条

1 周明东;林俊聪;金小刚;;最小二乘网格的模型修补[J];工程图学学报;2009年05期

2 郭一新;基本最小二乘参数估计的程序设计[J];信息与控制;1984年06期

3 丁振,潘泉,吴锦涛,张洪才;最小二乘被动式跟踪算法与仿真[J];数据采集与处理;1996年02期

4 赵永平;孙健国;王健康;;在线稀疏最小二乘支持向量回归机及其应用(英文)[J];Transactions of Nanjing University of Aeronautics & Astronautics;2009年04期

5 鲁照权;俞宗嘉;胡金东;胡焱东;;广义最小二乘限定记忆参数辨识方法与仿真研究[J];安徽大学学报(自然科学版);2009年06期

6 冯健;花向红;王刘准;;整体最小二乘的GM(1,n)模型在高铁中的应用研究[J];测绘地理信息;2014年01期

7 徐峰;史伟民;杨亮亮;;高速高精运动平台模型参数最小二乘辨识研究[J];机电工程;2014年09期

8 周鑫;刘全;傅启明;肖飞;;一种批量最小二乘策略迭代方法[J];计算机科学;2014年09期

9 赵永平;孙健国;;一种快速稀疏最小二乘支持向量回归机[J];控制与决策;2008年12期

10 杨志安;;基于最小二乘的鲁棒线性拟和方法[J];仪器仪表标准化与计量;2008年03期

相关会议论文 前10条

1 孙明轩;毕宏博;;最小二乘学习辨识[A];中国自动化学会控制理论专业委员会D卷[C];2011年

2 袁庆;楼立志;陈玮娴;;加权总体最小二乘在三维基准转换中的应用[A];第二届中国卫星导航学术年会电子文集[C];2011年

3 宋海鹰;桂卫华;阳春华;;基于核偏最小二乘的简约最小二乘支持向量机及其应用研究[A];第二十六届中国控制会议论文集[C];2007年

4 陈慧波;丁锋;;基于输出快采样数据的确定性系统最小二乘盲辨识方法[A];第二十六届中国控制会议论文集[C];2007年

5 苑云;朱肇昆;尚洋;;一种加速最小二乘匹配方法[A];第十三届全国实验力学学术会议论文摘要集[C];2012年

6 康传会;汪晓东;汪轲;常健丽;;基于最小二乘支持向量机的迟滞建模方法[A];第二十九届中国控制会议论文集[C];2010年

7 于正n\;朱圣英;崔平远;;小天体地形重构技术的最小二乘实现与精度分析[A];中国宇航学会深空探测技术专业委员会第八届学术年会论文集（下篇）[C];2011年

8 闫守柱;罗佳;吉雯龙;张传海;胡晓明;;基于ACPSO的最小二乘支持向量机分类方法研究[A];系统仿真技术及其应用学术论文集（第15卷）[C];2014年

9 周明东;林俊聪;金小刚;;基于最小二乘网格的模型修补[A];中国计算机图形学进展2008--第七届中国计算机图形学大会论文集[C];2008年

10 胡亚轩;王庆良;崔笃信;王文萍;李克;郑传芳;陈红卫;;Mogi模型的阻尼最小二乘反演及其应用[A];中国地球物理学会第22届年会论文集[C];2006年

相关博士学位论文 前1条

1 陶叶青;总体最小二乘模型及其在矿区测量数据处理中的应用研究[D];中国矿业大学;2015年

相关硕士学位论文 前10条

1 秦天龙;方程误差模型基于最新估计的加权新息最小二乘辨识[D];哈尔滨工业大学;2015年

2 于冬冬;病态总体最小二乘解算方法及应用研究[D];东华理工大学;2015年

3 刘晓飞;提高流量计检定台检测效率方法研究[D];华南理工大学;2015年

4 陶武勇;总体最小二乘粗差探测和定位[D];东华理工大学;2015年

5 薛松;基于KFCM的模糊最小二乘SVM研究[D];南京邮电大学;2015年

6 冉恩全;基于最小二乘复指数法的局部模态参数识别及应用[D];重庆大学;2015年

7 孙郧松;分频编码最小二乘偏移方法研究[D];中国石油大学(华东);2014年

8 胡明;基于最小二乘支持向量机的航空伽玛能谱分段去噪方法研究[D];东华理工大学;2016年

9 余航;总体最小二乘联合平差方法及其应用研究[D];东华理工大学;2016年

10 马婷;二乘二取二安全计算机内部安全通信机制的设计与实现[D];西南交通大学;2016年

，

本文编号：1811383