基于森林优化算法的特征选择方法研究

发布时间：2021-08-02 23:59

　　随着科学技术的发展,各行各业每天处理的数据量呈指数增长,数据的维度越来越大。而这些数据中存在着大量的冗余、不相关的特征,这些特征给机器学习、模式识别和数据挖掘带来了巨大的挑战。学习算法在处理高维数据的情况下,往往会碰到性能问题。特征选择作为解决这个问题的有效手段一直都被广泛的关注。在特征选择方法的发展过程中,涌现了许多有效的优化算法,而森林优化算法（FOA）就是其中的一种新兴的方法。森林优化算法受大自然森林演变过程启发而来,该算法模拟森林演变过程。它具有简单、易实现、收敛速度快和搜索效率高等特点。虽然基于森林优化算法在解决特征选择问题上取得了较为满意的结果,但是仍然存在着一些不足。本文是在所提出不足的基础之上,对基于森林优化算法的特征选择算法（FSFOA）进行改进。本文主要做了一下的研究工作:首先,提出改进的基于森林优化算法特征选择。该方法引入了一种贡献度的策略嵌入在森林优化算法中。其主要目的是引导森林优算法根据类相关性和特征冗余度去搜索最优解,从而提高了森林优化算法在特征选择问题中的搜索效率。其次,根据当前树和当前全局最优树的关系,提出了距离自适应策略。该策略能够有效地快速地引导算法... 

【文章来源】：南京信息工程大学江苏省

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

图２－２?—棵树两次迭代的局部播种??

图２－４局部播种数值例子，其中??模限制阶段??了避免森林规模的无限扩张，需要对森林中树的数量限制。“ｌｉｆｅｔｉｍｅ”和数限制森林中树的数量，首先，年龄超过“ｌｉｆｅｔｉｍｅ”的树将会从森林选集。其次森林中所有的树根据其适应度函数值进行降序排序。如果森出了?“ａｒｅａ?ｌｉｍｉｔ”，那么其余的树会从森林移除并添加到候选集中。“ａｒｅａ?与初始化阶段树的数量相同。??局播种阶段??中有许多不同的动物，它们以树的种子为食。由于动物栖息地的不稳定、风力作用，树的种子会被带到遥远的地方。因此，树的种子会分布在的传播范围会更宽。全局播种其目的主要是为了避免局部最优解。全局前一阶段候选集的预定比例抽取一定的数量的树。“ｔｒａｎｓｆｅｒｒａｔｅ”参数

?ａ?ｂ?ｃ＋ｒ？?ｄ??图２－３连续搜索空间的局部播种?????Ｊ?，??１?｜?２?｜?３?｜?４?卜１?｜?２?｜?３订、３．４?｜?４??图２－４局部播种数值例子，其中??（３）


本文编号：3318524