粒子群优化粗糙集属性约简技术研究
发布时间：2021-08-05 12:37
粗糙集理论是一种有效分析和处理不确定性、不精确性、不完备性的数学工具,现成为智能信息处理的一个研究热点,并被广泛应用于机器学习、模式识别、模糊控制、故障诊断、数据挖掘与知识发现等诸多领域。属性约简是粗糙集一个重要研究内容,也是数据挖掘中的重要环节。常见的属性约简不能很好地处理高维、复杂的大数据,为此,本文系统地研究基于粒子群优化算法的属性约简技术,并进行典型UCI数据仿真验证,以及在实际石油测井中的应用。主要研究内容与创新如下:（1）常用属性约简算法分析。首先在阐述粗糙集基本原理基础上,对基于差别矩阵和基于属性重要性的约简方法进行分析,然后采用经典例子进行仿真实验,结果表明常见属性约简方法能较好地处理低维的小样本信息,但不能很好地处理高维、复杂大数据。（2）粒子群优化算法的改进。为解决粒子群（PSO）算法搜索空间有限、易陷入局部极值以及种群多样性少的问题,研究基于量子、云模型、鲶鱼效应相结合的混合粒子群优化（CCQPSO）算法,主要引入量子扩大粒子群算法搜索空间,并利用云模型调节收缩扩张因子来平衡全局搜索和局部搜索能力,进而利用鲶鱼效应改变种群的多样性。经典型测试函数实验,结果表明CC...
【文章来源】：河北工业大学天津市 211工程院校
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
粗糙集近似区域
粒子群优化粗糙集属性约简技术研究-22-子分成3个子群，根据不同粒子群的搜索状态调整收缩扩张因子的值，调整策略如下：（1）设粒子群的个数为n，在第k次迭代中ix的适应度为ifk，同时根据适应度的大小，对种群进行从小到大的排序，则粒子群的黄金适应度为：(0.618*)()()goldfloornfkfk（3.12）优于goldfk的粒子群个数为n1，则其黄金适应度为：1(0.618*1)()()goldfloornfkfk（3.13）次于goldfk的粒子群个数为n2，则其黄金适应度为：2(0.618*2)()()goldfloornfkfk（3.14）图3.1云模型动态调整收缩扩张因子值本文根据粒子适应度的不同来确定不同的收缩因子，进而将粒子群划分为3个子群。（2）如果当前粒子的适应度ifk优于gold1fk，表明该部分粒子接近最优值，不需要再进行全局搜索，应加快局部收敛速度，所以收敛因子取0.4。（3）若粒子适应度ifk优于gold2fk而次于gold1fk，采用云模型对其改进：先设定粒子的数学期望值为bestEXfk，b1b22，粒子的熵为：1/1goldbestEnfkfkb，设粒子的超熵与熵的关系值为HeEn/b2，则在此区
河北工业大学硕士学位论文-23-间内的粒子的取值为：2"2(())2()0.90.5ifkEXEne（3.15）其中"normrndEEn,enH。（4）若粒子适应度ifk次于gold2fk，则该部分粒子适应度较差，表明距离群体的最优解较远，应扩大全局收敛能力，所以收敛因子取0.9。动态调整收缩扩张因子的流程图如图3.1所示。随着迭代次数不断增加，种群趋向于同一个目标，但种群的多样性越来越少、易出现早熟现象。而鲶鱼效应通过引入有活力且有竞争力的个体来模拟对沙丁鱼群体的驱赶效果，进而改变沙丁鱼群体惰性，从而增加沙丁鱼种群的多样性。所以，我们将鲶鱼效应[87]的思想引入到云量子粒子群，进而调整粒子种群的多样性，避免陷入局部最优。3.2.3鲶鱼效应-云量子粒子群优化算法目前，针对粒子群算法因种群多样性骤减而出现的早熟现象，很多学者提出了大量的改进粒子群算法，比如混沌PSO、GA-PSO、免疫PSO、文化PSO等，这些算法只是对部分粒子位置进行调整，没有对种群进行修正，下面讲解如何利用鲶鱼效应修正种群的位置。图3.2鲶鱼效应机制示意图经济学中的“鲶鱼效应”由来是：挪威人爱吃活沙丁鱼，但是绝大部分沙丁鱼在回港途中因窒息而死亡，因此渔民将一条鲶鱼放入到装满沙丁鱼的鱼槽里，由于鲶鱼不适应鱼槽环境，便四处游动，同时沙丁鱼为躲避鲶鱼捕食，快速游动。鲶鱼效应就是引入有活力且有竞争力的个体来改变群体的惰性，使种群处于活跃状态。受鲶鱼效应的启示，将有活力且有竞争力的鲶鱼粒子引入CQPSO算法中，当粒子种群多样性较差时，开启鲶鱼启发器并产生鲶鱼粒子，通过鲶鱼粒子的驱赶作用来改变粒子群体的
【参考文献】：
期刊论文
[1]水平井及斜度井声波测井响应正演模拟研究（英文）[J]. 刘鹤,王兵,陶果,张阔,岳文正. Applied Geophysics. 2017(03)
[2]基于免疫量子粒子群优化的测试代价敏感属性约简算法[J]. 谢小军,俞春强,王博,何弦,徐章艳. 计算机工程与科学. 2017(07)
[3]基于PSO和三次样条插值的多机器人全局路径规划[J]. 强宁,高洁,康凤举. 系统仿真学报. 2017(07)
[4]四川盆地龙马溪组页岩气储层各向异性岩石物理建模及应用（英文）[J]. 刘喜武,郭智奇,刘财,刘宇巍. Applied Geophysics. 2017(01)
[5]基于AdaBoost-SVM的葡萄酒品质分类模型优化设计[J]. 杨云,卢美静,穆天红. 陕西科技大学学报(自然科学版). 2017(01)
[6]采用改进粒子群算法的直流电网最优潮流控制[J]. 刘先正,温家良,潘艳,吴鹏飞,李金元. 电网技术. 2017(03)
[7]Attribute reduction in interval-valued information systems based on information entropies[J]. Jian-hua DAI,Hu HU,Guo-jie ZHENG,Qing-hua HU,Hui-feng HAN,Hong SHI. Frontiers of Information Technology & Electronic Engineering. 2016(09)
[8]云模型改进惯性权重的混沌交替粒子群算法[J]. 李纪真,孟相如,崔文岩,杨婷. 火力与指挥控制. 2016(05)
[9]Improving Image Copy-Move Forgery Detection with Particle Swarm Optimization Techniques[J]. SHI Wenchang,ZHAO Fei,QIN Bo,LIANG Bin. 中国通信. 2016(01)
[10]数据挖掘与测井解释:应用于砾岩储层（英文）[J]. 石宁,李洪奇,罗伟平. Applied Geophysics. 2015(02)
博士论文
[1]量子行为粒子群优化算法研究[D]. 孙俊.江南大学 2009
硕士论文
[1]流量识别特征选择算法的研究与改进[D]. 解岳锋.西安电子科技大学 2013
[2]基于PSO的粗糙集属性约简算法研究[D]. 陈思如.湖南科技大学 2010
本文编号：3323764
【文章来源】：河北工业大学天津市 211工程院校
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
粗糙集近似区域
粒子群优化粗糙集属性约简技术研究-22-子分成3个子群，根据不同粒子群的搜索状态调整收缩扩张因子的值，调整策略如下：（1）设粒子群的个数为n，在第k次迭代中ix的适应度为ifk，同时根据适应度的大小，对种群进行从小到大的排序，则粒子群的黄金适应度为：(0.618*)()()goldfloornfkfk（3.12）优于goldfk的粒子群个数为n1，则其黄金适应度为：1(0.618*1)()()goldfloornfkfk（3.13）次于goldfk的粒子群个数为n2，则其黄金适应度为：2(0.618*2)()()goldfloornfkfk（3.14）图3.1云模型动态调整收缩扩张因子值本文根据粒子适应度的不同来确定不同的收缩因子，进而将粒子群划分为3个子群。（2）如果当前粒子的适应度ifk优于gold1fk，表明该部分粒子接近最优值，不需要再进行全局搜索，应加快局部收敛速度，所以收敛因子取0.4。（3）若粒子适应度ifk优于gold2fk而次于gold1fk，采用云模型对其改进：先设定粒子的数学期望值为bestEXfk，b1b22，粒子的熵为：1/1goldbestEnfkfkb，设粒子的超熵与熵的关系值为HeEn/b2，则在此区
河北工业大学硕士学位论文-23-间内的粒子的取值为：2"2(())2()0.90.5ifkEXEne（3.15）其中"normrndEEn,enH。（4）若粒子适应度ifk次于gold2fk，则该部分粒子适应度较差，表明距离群体的最优解较远，应扩大全局收敛能力，所以收敛因子取0.9。动态调整收缩扩张因子的流程图如图3.1所示。随着迭代次数不断增加，种群趋向于同一个目标，但种群的多样性越来越少、易出现早熟现象。而鲶鱼效应通过引入有活力且有竞争力的个体来模拟对沙丁鱼群体的驱赶效果，进而改变沙丁鱼群体惰性，从而增加沙丁鱼种群的多样性。所以，我们将鲶鱼效应[87]的思想引入到云量子粒子群，进而调整粒子种群的多样性，避免陷入局部最优。3.2.3鲶鱼效应-云量子粒子群优化算法目前，针对粒子群算法因种群多样性骤减而出现的早熟现象，很多学者提出了大量的改进粒子群算法，比如混沌PSO、GA-PSO、免疫PSO、文化PSO等，这些算法只是对部分粒子位置进行调整，没有对种群进行修正，下面讲解如何利用鲶鱼效应修正种群的位置。图3.2鲶鱼效应机制示意图经济学中的“鲶鱼效应”由来是：挪威人爱吃活沙丁鱼，但是绝大部分沙丁鱼在回港途中因窒息而死亡，因此渔民将一条鲶鱼放入到装满沙丁鱼的鱼槽里，由于鲶鱼不适应鱼槽环境，便四处游动，同时沙丁鱼为躲避鲶鱼捕食，快速游动。鲶鱼效应就是引入有活力且有竞争力的个体来改变群体的惰性，使种群处于活跃状态。受鲶鱼效应的启示，将有活力且有竞争力的鲶鱼粒子引入CQPSO算法中，当粒子种群多样性较差时，开启鲶鱼启发器并产生鲶鱼粒子，通过鲶鱼粒子的驱赶作用来改变粒子群体的
【参考文献】：
期刊论文
[1]水平井及斜度井声波测井响应正演模拟研究（英文）[J]. 刘鹤,王兵,陶果,张阔,岳文正. Applied Geophysics. 2017(03)
[2]基于免疫量子粒子群优化的测试代价敏感属性约简算法[J]. 谢小军,俞春强,王博,何弦,徐章艳. 计算机工程与科学. 2017(07)
[3]基于PSO和三次样条插值的多机器人全局路径规划[J]. 强宁,高洁,康凤举. 系统仿真学报. 2017(07)
[4]四川盆地龙马溪组页岩气储层各向异性岩石物理建模及应用（英文）[J]. 刘喜武,郭智奇,刘财,刘宇巍. Applied Geophysics. 2017(01)
[5]基于AdaBoost-SVM的葡萄酒品质分类模型优化设计[J]. 杨云,卢美静,穆天红. 陕西科技大学学报(自然科学版). 2017(01)
[6]采用改进粒子群算法的直流电网最优潮流控制[J]. 刘先正,温家良,潘艳,吴鹏飞,李金元. 电网技术. 2017(03)
[7]Attribute reduction in interval-valued information systems based on information entropies[J]. Jian-hua DAI,Hu HU,Guo-jie ZHENG,Qing-hua HU,Hui-feng HAN,Hong SHI. Frontiers of Information Technology & Electronic Engineering. 2016(09)
[8]云模型改进惯性权重的混沌交替粒子群算法[J]. 李纪真,孟相如,崔文岩,杨婷. 火力与指挥控制. 2016(05)
[9]Improving Image Copy-Move Forgery Detection with Particle Swarm Optimization Techniques[J]. SHI Wenchang,ZHAO Fei,QIN Bo,LIANG Bin. 中国通信. 2016(01)
[10]数据挖掘与测井解释:应用于砾岩储层（英文）[J]. 石宁,李洪奇,罗伟平. Applied Geophysics. 2015(02)
博士论文
[1]量子行为粒子群优化算法研究[D]. 孙俊.江南大学 2009
硕士论文
[1]流量识别特征选择算法的研究与改进[D]. 解岳锋.西安电子科技大学 2013
[2]基于PSO的粗糙集属性约简算法研究[D]. 陈思如.湖南科技大学 2010
本文编号：3323764
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3323764.html
