基于自适应模拟退火遗传算法的特征选择方法

《基于自适应模拟退火遗传算法的特征选择方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第30卷第1期兵工学报Vol.30No.12009年1月ACTAARMAMENTARIIJan.2009基于自适应模拟退火遗传算法的特征选择方法张昊,陶然,李志勇,杜华(北京理工大学信息科学技术学院,北京100081)摘要:特征选择是机器学习及模式识别领域的重要问题之一。针对高维数据对象,特征选择不仅可以在保证数据完整性的情况下减少特征维数,还能够提高分类精度。文中提出了一种基于自适应模拟退火遗传算法的特征选择方法,该方法将模拟退火算法嵌入到自适应遗传算法的循环体中,利用模拟退火算法具有较强的局部搜索能力,并且能够使搜索过程避免陷入局部最优解的特点,解决了基本遗

2、传算法收敛速度慢,时间复杂度高的缺点。实验结果表明,在保证分类正确率的前提下,该方法有效提高了特征选择效率。关键词:人工智能;特征选择;自适应遗传算法;模拟退火算法;搜索能力中图分类号:TG156文献标志码:A文章编号:100021093(2009)0120081205AFeatureSelectionMethodBasedonAdaptiveSimulatedAnnealingGeneticAlgorithmZHANGHao,TAORan,LIZhi2yong,DUHua(SchoolofInformationScienceandTechnology,Beij

3、ingInstituteofTechnology,Beijing100081,China)Abstract:Featureselectionisoneofimportantproblemsinmachinelearningandpatternrecognitionareas.Forhighdemensiandata,featuredimensioncanbedecreasedundertheconditionofensuringdataintegrityandclassificationaccuracycanbeimprovedbyfeatureselectio

4、n.Afeatureselectionmethodbasedonadaptivesimulatedannealinggeneticalgorithmwasproposed,whichembedsthesim2ulatedannealingalgorithminthecircleofadaptivegeneticalgorithmandusesthefeaturethatsimulat2edannealingalgorithmhasthestrongabilityoflocalsearchandmakessearchingprocessavoidsinkingin

5、tothelocaloptimalsolution,tosolvetheshortcomingsofslowconvergencespeedandhightimecom2plexity.Theexperimentresultsshowthatthemethodcanguaranteethecorrectrateofclassificationandimprovetheefficiencyoffeatureselection.Keywords:artificialintelligence;featureselection;adaptivegeneticalgori

6、thm;simulatedannealingalgorithm;searchability问题,已被证明是非确定性多项式(NP)完全问题,0引言没有多项式算法。所以最优特征子集的选择很重特征选择的任务是从一组N个特征中按一定要。特征选择算法从模型上可分为Filter模型和的选择标准选择出一组由n(n

7、r收稿日期:2008-01-25基金项目:国防基础科研项目(C1120060497206202)作者简介:张昊(1981—),男,博士研究生。E2mail:kuobai@126.com;陶然(1964—),男,教授,博士生导师。E2mail:rantao@bit.edu.cn82兵工学报第30卷模型和Wrapper模型的Hybrid模型,虽然该模型在索性能就越有可能陷入迟钝状态。Pm越大则可能性能上有一定的提高,但是效果并不理想。特征选将遗传算法变成一种纯粹的随机搜索算法;Pm过择算法从特征子集生成方式上又可分为搜索性和非小,则又可能引起遗传算法在达到最优解前发

8、生不搜索性算法。搜索性算