[发明专利]一种基于改进型萤火虫算法的特征选择方法在审
申请号: | 201811579282.X | 申请日: | 2018-12-24 |
公开(公告)号: | CN110020661A | 公开(公告)日: | 2019-07-16 |
发明(设计)人: | 尹胜;刘磊;罗蓉;罗志勇;李洪丞;刘益通 | 申请(专利权)人: | 重庆邮电大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/00;G10L25/03 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 400065*** | 国省代码: | 重庆;50 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 算法 萤火虫算法 萤火虫 特征选择 特征子集 改进型 搜索 工程应用领域 机器学习模型 最优特征子集 个体差异性 方向搜索 候选数据 候选特征 机器学习 精英个体 评估结果 全局搜索 数据特征 数据挖掘 算法迭代 种群优化 变步长 离散化 收敛性 自适应 寻优 子集 优化 输出 评估 探索 保证 | ||
1.一种基于改进型萤火虫算法的特征选择方法,其特征在于,包括如下内容:
U1、基于精英个体划分的变步长萤火虫算法;
U2、基于精英个体划分的变步长萤火虫算法优化特征选择。
2.根据权利要求1所述的一种基于改进型萤火虫算法的特征选择方法,其特征在于,U1所述基于精英个体划分的变步长萤火虫算法,包括如下内容:
V1、精英萤火虫个体的划分机制;
V2、基于精英个体划分的变步长策略。
3.根据权利要求2所述的一种基于改进型萤火虫算法的特征选择方法,其特征在于,V1所述精英萤火虫个体的划分机制,具体机制如下:
在萤火虫种群中,某萤火虫个体的荧光亮度值与最佳萤火虫个体的亮度值接近或相当时,便视该萤火虫个体为精英个体,否则视其为非精英个体。
4.根据权利要求3所述的一种基于改进型萤火虫算法的特征选择方法,其特征在于,精英萤火虫个体的划分机制,该机制的实现由以下算式(1)给出:
Ii>θ*Ibest (1)
其中,Ii为萤火虫个体i的荧光亮度值,Ibest为当前种群中最佳个体的荧光亮度值,θ为用于划分精英个体的阈值,θ取为[0.85,0.95]之间的常数值,由上式知当个体i的亮度大于当前种群中最佳个体亮度值的θ倍时,便视其为精英萤火虫个体,否则视其为非精英个体。
5.根据权利要求2所述的一种基于改进型萤火虫算法的特征选择方法,其特征在于,V2所述基于精英个体划分的变步长策略,具体策略如下:
W1、对每轮次算法迭代中种群里性能较好的精英萤火虫个体增大其步长;
W2、对于当前迭代轮次中的非精英萤火虫个体减小其步长。
6.根据权利要求5所述的一种基于改进型萤火虫算法的特征选择方法,其特征在于,W1所述策略,该策略的具体实现由以下算式(2)、(3)给出:
αi(t+1)=αi(t)+α0*a/MaxGen (2)
αi(t+1)=α0,if αi(t)>1 (3)
其中,αi(t+1)表示第i只萤火虫个体在第t+1次迭代时的步长,αi(t)表示第i只萤火虫个体当前的步长,MaxGen指设置的算法最大迭代次数,α0表示初始统一步长值,a为步长增大的随机加速度,a取值为[1,MaxGen/2]之间的随机整数。
7.根据权利要求5所述的一种基于改进型萤火虫算法的特征选择方法,其特征在于,W2所述策略,该策略的具体实现由以下算式(4)给出:
αi(t+1)=αi(t)-α0/MaxGen (4)
其中,αi(t+1)表示第i只萤火虫个体在第t+1次迭代时的步长,αi(t)表示第i只萤火虫个体当前的步长,MaxGen指设置的算法最大迭代次数,α0表示初始统一步长值。
8.根据权利要求1所述的一种基于改进型萤火虫算法的特征选择方法,其特征在于,U2所述基于精英个体划分的变步长萤火虫算法优化特征选择,其目标函数具体如(5)式所示:
其中,Xi为萤火虫个体i的位置向量,accu为个体向量对应特征子集的预测准确率,num为该特征子集中入选特征的数量,k为特征数量num的权重。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆邮电大学,未经重庆邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811579282.X/1.html,转载请声明来源钻瓜专利网。