基于自然进化策略的特征选择算法研究

发布时间：2023-08-10 20:37

　　特征选择是特征工程领域中子集筛选的一种框架,是一种NP-难问题。在当今大数据时代,很多领域中都包含大量的数据信息,数据成为了一种重要资源。为了高效利用数据,从数据中挖掘有效特征就尤为重要。特征工程首先将客观数据编码为特征,特征选择便服务于特征的筛选,其旨是剔除特征集合中不相关及冗余的特征来减少模型训练的时间,提高模型预测的精确度。因此特征选择在机器学习、数据挖掘和模式识别等领域中是一种重要的数据预处理手段。特征选择表现为在原始特征集合中挑选优质特征子集的过程。一般由于缺少先验知识,无法准确筛选出和描述目标最为相关的特征,面对该问题通常会采用一些评价准则对特征进行评估,这可以选出优质的特征,但是很难挖掘优异的特征子集。一种简单的寻找最优特征子集的方法就是穷举法,穷举法试图枚举出所有的特征集合,这可以找到全局最优的特征子集,但是穷举搜索方式无法满足较高维数据集的性能需求。进一步随机算法作为一种优化方法可以很好地应用到特征选择中,并且由于随机算法出色的全局搜索能力在特征选择中取得了不错的效果。进化策略作为一种随机搜索方法被广泛用于目标优化中。进化策略模拟基因进化过程,采用基因突变、产生种群、...

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景与现状
    1.2 本文工作与结构
第2章 特征选择背景知识
    2.1 特征工程
    2.2 特征选择概述
    2.3 子集搜索
    2.4 特征选择算法
        2.4.1 过滤式特征选择算法
        2.4.2 包裹式特征选择算法
        2.4.3 嵌入式特征选择算法
第3章 进化策略算法
    3.1 ES算法
    3.2 CMA-ES算法
    3.3 NES算法
    3.4 求解NES算法
第4章 MCC-NES算法
    4.1 MCC-NES算法建模
    4.2 初始化策略
    4.3 适应度函数
    4.4 更新机制
    4.5 实验结果与分析
        4.5.1 数据集
        4.5.2 对比算法及参数设置
        4.5.3 实验结果对比分析
    4.6 小结
第5章 总结与展望
参考文献
作者简介及科研成果
致谢



本文编号：3841176