[发明专利]一种混合ABC和CRO的高维特征选择方法

权利要求书

1.一种混合ABC和CRO的高维特征选择方法，其特征在于，包括以下步骤：

步骤1、采用基于人工蜂群算法ABC以寻找最好食物源即函数适应度的策略对个体组成的种群进行初始化；

步骤2、采用化学反应算法CRO更新初始化种群，并采用设定的适应度函数计算所述种群中个体的适应度值，得到种群中的全局最优解；

步骤3、采用精英保留策略形成精英分子种群，并在一次迭代结束后更新精英种群，将所得到的精英分子并入种群中进行下一次迭代；

步骤4、采用10倍交叉验证法结合KNN分类器来验证高维特征选择的性能；

步骤5、以步骤2至步骤4作为一次迭代，重复进行步骤2至步骤4，直至当前迭代次数达到设定的迭代次数。

2.根据权利要求1所述的混合ABC和CRO的高维特征选择方法，其特征在于，所述步骤1具体为：

步骤1.1、使用人工蜂群算法ABC对种群进行初始化，形成新的初始化种群及参数，雇佣蜂、观察蜂等于食物源数量M，蜂群的数目为NP＝M，雇佣蜂数目为SN，随机生成NP＝M个食物源，ABC算法最大迭代次数为itermax，最大停滞次数为limit；

步骤1.2、采用随机化过程对种群进行初始化形成初始解，为：对群体中的个体i中的第j位特征X_ij随机产生一随机数r，r∈[0,1]，若随机数r小于设定的初始化概率P则特征X_ij被选中，否则X_ij未被选中；针对每个个体将被选中的特征设置为1，未被选中的特征设置为0；初始化后的群体形成的解作为初始解；

步骤1.3、采用雇佣蜂进行邻域搜索新食物源产生新解，并计算新解的适应度值，如果新解的适应度值大于原先的初始化的解，则用新解更新原先的解，否则保持原先的解不变；用贪婪算法选择较好的食物源，计算食物源被选择的概率，在被选择的食物源周围产生一个新的食物源，计算新的食物源的适应度值，适应度值高的取代适应度值低的，更新食物源；记录迄今为止最好的食物源；

判断是否有被抛弃的食物源，如果有，引领蜂转化为侦查蜂，侦查蜂随机搜索新的食物源；

步骤1.4、判断当前的食物源在预定的迭代次数内是否被改善，若没有被改善，需要重新初始化食物源，否则返回步骤1.2，得到初始种群最优解，即最优食物源。

3.根据权利要求2所述的混合ABC和CRO的高维特征选择方法，其特征在于：所述步骤1.1中雇佣蜂按照公式(1)随机生成SN个食物源

公式(1)中rand(0,1)表示(0,1)之间的均匀分布随机数，N为优化空间的维数；

雇佣蜂搜索阶段：雇佣蜂进行食物源搜索发现候选新食物源公式(2)为：

新食物源位置更新公式(3)为：

公式(2)中，为[-1,1]之间的随机数，k∈(1,2，…，SN)且X_ij≠X_kj，新旧食物源通过公式(3)的贪婪法则来进行选择，即比较新旧食物源的适应度值，如果新食物源V_ij的适应度值好于旧食物源X_ij的适应度值，则用新食物源V_ij的位置取代旧食物源X_ij的位置，否则旧食物源X_ij不变，仍为当前食物源位置，同时雇佣蜂在该食物源的停滞次数加1；

观察蜂的跟随概率为：

公式(4)中，k∈(1,2，…，SN)，在此阶段，观察蜂根据雇佣蜂获取的食物源信息按照轮盘赌的方式选择食物源来进行食物源搜索，如果选择跟随雇佣蜂，则根据雇佣蜂搜索阶段的方法进行新食物源的搜索。

4.根据权利要求1所述的混合ABC和CRO的高维特征选择方法，其特征在于，步骤2中，采用化学反应算法CRO更新所述种群具体包括：

利用ABC算法形成的初始种群，通过CRO算法的四个基本操作算子进行反应，更新得到全局最优解。