基于社团检测的粒子群优化特征选择算法的研究

发布时间：2021-10-21 08:27

　　随着社会的发展和科技的进步,数据量呈现出爆炸式的增长,通常在机器学习领域中,学习算法的性能会随着数据集特征过多而下降。近些年来,特征选择作为解决这个问题的有效手段,得到了广泛的关注,诸多的学者也相继开发、改进了许多特征选择的方法,取得了可观的成效。在这些有效的算法中,粒子群优化算法具有参数少、操作简单、局部搜索能力强等优点,使得粒子群优化算法解决特征选择问题变为当前研究的重点。本文通过进一步的分析粒子群优化算法和特征选择问题,并结合社团检测,利用社团检测算法深度挖掘特征之间隐藏的信息去指导种群进化。主要工作包括以下两方面:（1）针对粒子群优化算法在解决特征选择问题中,容易陷入局部最优,难以找到高质量特征子集的问题。提出了一种基于社团的粒子群优化特征选择算法CBPSOFS。算法的大致思想如下:首先,将特征转化为特征图,并结合社团检测的算法将特征划分为不同的特征社团,根据同一特征社团包含相似信息设计了基于社团的自适应更新策略,来保持种群的多样性,同时平衡了局部搜索和全局搜索,有效的克服了过早陷入局部最优的现象;此外设计了基于信息增益的初始化策略和基于历史信息的重置策略,进一步提高了算法的性... 

【文章来源】：安徽大学安徽省 211工程院校

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 特征选择算法的研究现状
        1.2.1 基于粒子群优化特征选择算法
        1.2.2 基于社团的特征选择方法
    1.3 本文的工作与安排
第二章 相关理论及算法
    2.1 特征选择
        2.1.1 过滤式特征选择
        2.1.2 封装式特征选择
    2.2 粒子群优化算法
    2.3 社团检测
    2.4 构造特征图
    2.5 本章小结
第三章 基于社团检测的粒子群优化特征选择算法
    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 基于社团的自适应更新策略
        3.2.4 基于历史信息的重置策略
    3.3 实验与分析
        3.3.1 实验设置
        3.3.2 实验分析结果
        3.3.3 策略有效性分析
    3.4 本章小结
第四章 基于核心粒子的粒子群优化高维特征选择算法
    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 核心粒子选择策略
        4.2.4 基于非支配解的种群变换策略
    4.3 实验与分析
        4.3.1 实验设置
        4.3.2 实验分析结果
        4.3.3 策略有效性分析
    4.4 本章小结
结论
参考文献
攻读硕士学位期间发表的学术成果及参加的科研项目
致谢


【参考文献】：
期刊论文
[1]基于相关搜索的前向序列特征选择算法[J]. 李三川,吴丽丽.  通信技术. 2018(12)
[2]大数据研究[J]. 严霄凤,张德馨.  计算机技术与发展. 2013(04)
[3]基于PSO的LS-SVM特征选择与参数优化算法[J]. 姚全珠,蔡婕.  计算机工程与应用. 2010(01)
[4]基于粒子群优化算法和相关性分析的特征子集选择[J]. 郭文忠,陈国龙,陈庆良,余轮.  计算机科学. 2008(02)
[5]基于蚁群优化的特征选择新方法[J]. 叶志伟,郑肇葆,万幼川,虞欣.  武汉大学学报(信息科学版). 2007(12)
[6]基于遗传算法和模拟退火算法的特征选择方法[J]. 刘素华,侯惠芳,李小霞.  计算机工程. 2005(16)
[7]中文文本分类中的特征选择研究[J]. 周茜,赵明生,扈旻.  中文信息学报. 2004(03)
[8]人脸识别技术综述[J]. 张翠平,苏光大.  中国图象图形学报. 2000(11)

硕士论文
[1]基于相关性的癌症特征选择及分类算法研究[D]. 彭湘华.湖南大学 2012



本文编号：3448613