改进的森林优化特征选择算法研究

发布时间：2024-04-24 22:27

　　随着计算机科学领域中数据挖掘和机器学习方向上探索和研究的不断推进,面对日益增长的数据集规模,如何在降低计算成本的基础之上仍旧保持优异的算法性能成为至关重要的问题。特征选择,其目标在于合理降低数据集维度,并且使选择的子集拥有不亚于甚至更优于原数据集的算法性能。在分类算法中,为获取更优质的类别区分性能,特征选择采用最本质的方法就是在原特征集合中将无关的及冗余的特征剔除,从庞大的初始特征集中选择出对类别最具表征性的特征,将其加入特征子集。用于特征选择的方式数不胜数,近些年,通过进化计算的方式进行特征选择获得了学术界广泛关注,并且成绩斐然。森林优化算法(Forest Optimization Algorithm,FOA)是模拟自然界的树木播种的方法的进化计算理论。初始用来解决连续型最优问题,而后在机器学习相关领域学者的优化和改良后,森林优化算法演化成为了解决离散化的特征选择问题的FSFOA算法(Feature Select using Forest Optimization Algorithm)。本文在FSFOA算法的基础之上,提出了SFSFOA算法(Strengthen Feature Se...

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

图2.1特征选择方法结构图

过程中遵循的规则进行了大胆的调整，获得了很好地效果。吴庆洪于1999年将蚁群算法与遗传算法相结合，设计了一种过程中可变异的蚁群算法，该算法使传统的蚁群优化算法的收敛速度得到了显著提高，提高了算法的运行性能[18]。2.2特征选择方法特征选择问题从本质上来说是一个组合优化的方....

图3.1FSFOA算法流程图

第3章森林优化算法在特征选择方向的改进第3章森林优化算法在特征选择方向的林优化算法的特征选择林优化算法（ForestOptimizationAlgorithm，FOA）连续搜索空间的问题，ManizhehGhaemi等人在传统，将FOA算法应用到多目标任务....

图3.2LSC=2时本地播种示意图，★标记反转的特征向量

代表该特征未被选中，而1代表该特征被选中。在初始化阶段，FSFOA算法生成N棵树龄为0的树构成原始森林，为每棵树随机赋初值。生成原始森林后，进入本地播种阶段。在每一次本地播种迭代过程中，对于每棵树龄为0的树，都会产生LSC棵子树（“LocalSeedin....

图3.3GSC=3，★标记反转的特征向量

候选森林的目的也是为了防止在本地播种阶段，优解。现有森林进行清理之后，将对候选森林中的树加以处理再次也就进入全局播种阶段。全局播种也是符合自然规律的一种播，树的繁衍方式不仅限于种子就近落地，进而生长成一棵新树树的种子传播到相对远的距离，此后树的种子会在远处继续播种就是模拟此类情况....

本文编号：3963595