基于布谷鸟搜索算法的特征选择研究及改进

发布时间：2021-04-29 23:51

　　在当今人工智能时代,特征选择是具有重要意义的大数据预处理的方式。特征选择可以避免维度灾难、减少学习算法在执行过程中的时间、有效地防止过拟合现象、过滤掉噪声数据。在这个数据量如此庞大的今天,我们需要从巨大的数据量中找到一些对我们有用的数据再进行训练或者学习,所以特征选择无疑是值得研究和探讨的。特征选择是一个需要从庞大的数据集中挑选出优质的特征的过程,因此也可以理解成是一个搜索过程。而如果我们用穷举的方法去进行特征选择显然失去了特征选择的意义。随机算法是一类优化求解方法,可以很好地应用到特征选择当中。随机算法一般包含群体智能算法,如蚁群和粒子群优化算法以及模拟退火算法等。近年来提出的布谷鸟算法同样也是一种应用广泛的随机算法。布谷鸟搜索算法在优化问题中取得了不错的效果,所以我们尝试将其离散化后应用到特征选择问题上,并且对其改进优化。最近研究表明,布谷鸟优化特征选择算法（BCS）具有较好分类效果。然而,BCS算法也有一些不足。第一,BCS算法初始化的随机性导致算法盲目性太大,而算法后面的过程都是依赖初始化的过程而进行的,所以如果初始化质量不好,会严重影响算法的更新迭代过程的效果;第二,BCS算... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：56 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
        1.1.1 研究背景
        1.1.2 研究现状
    1.2 本文工作与结构
第2章 特征选择
    2.1 特征选择概述
        2.1.1 特征选择的概念及组成
        2.1.2 子集搜索
        2.1.3 子集评价
    2.2 典型随机特征选择算法
        2.2.1 粒子群特征选择算法
        2.2.2 蚁群特征选择算法
第3章 布谷鸟搜索算法及其离散化
    3.1 布谷鸟搜索算法
    3.2 离散化布谷鸟搜索算法
第4章 FS_CSO算法
    4.1 分类器选取
    4.2 BCS算法不足
    4.3 FS_CSO算法
        4.3.1 初始化策略
        4.3.2 适应度函数
        4.3.3 更新机制
    4.4 实验结果与分析
        4.4.1 数据集
        4.4.2 参数设置
        4.4.3 实验结果对比分析
第5章 总结与展望
参考文献
作者简介及科研成果
致谢


【参考文献】：
期刊论文
[1]机器学习中的特征选择方法研究及展望[J]. 崔鸿雁,徐帅,张利锋,Roy E.Welsch,Berthold K.P.Horn.  北京邮电大学学报. 2018(01)

硕士论文
[1]基于粒子群和互信息的高光谱图像波段选择和分类[D]. 袁永福.西安电子科技大学 2014
[2]云计算联盟资源调度方法研究[D]. 吕秋云.武汉理工大学 2013



本文编号：3168422