在當今人工智能時代,特征選擇是具有重要意義的大數(shù)據(jù)預處理的方式。特征選擇可以避免維度災難、減少學習算法在執(zhí)行過程中的時間、有效地防止過擬合現(xiàn)象、過濾掉噪聲數(shù)據(jù)。在這個數(shù)據(jù)量如此龐大的今天,我們需要從巨大的數(shù)據(jù)量中找到一些對我們有用的數(shù)據(jù)再進行訓練或者學習,所以特征選擇無疑是值得研究和探討的。特征選擇是一個需要從龐大的數(shù)據(jù)集中挑選出優(yōu)質的特征的過程,因此也可以理解成是一個搜索過程。而如果我們用窮舉的方法去進行特征選擇顯然失去了特征選擇的意義。隨機算法是一類優(yōu)化求解方法,可以很好地應用到特征選擇當中。隨機算法一般包含群體智能算法,如蟻群和粒子群優(yōu)化算法以及模擬退火算法等。近年來提出的布谷鳥算法同樣也是一種應用廣泛的隨機算法。布谷鳥搜索算法在優(yōu)化問題中取得了不錯的效果,所以我們嘗試將其離散化后應用到特征選擇問題上,并且對其改進優(yōu)化。最近研究表明,布谷鳥優(yōu)化特征選擇算法（BCS）具有較好分類效果。然而,BCS算法也有一些不足。第一,BCS算法初始化的隨機性導致算法盲目性太大,而算法后面的過程都是依賴初始化的過程而進行的,所以如果初始化質量不好,會嚴重影響算法的更新迭代過程的效果;第二,BCS算... 

【文章來源】：吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：56 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景與現(xiàn)狀
        1.1.1 研究背景
        1.1.2 研究現(xiàn)狀
    1.2 本文工作與結構
第2章 特征選擇
    2.1 特征選擇概述
        2.1.1 特征選擇的概念及組成
        2.1.2 子集搜索
        2.1.3 子集評價
    2.2 典型隨機特征選擇算法
        2.2.1 粒子群特征選擇算法
        2.2.2 蟻群特征選擇算法
第3章 布谷鳥搜索算法及其離散化
    3.1 布谷鳥搜索算法
    3.2 離散化布谷鳥搜索算法
第4章 FS_CSO算法
    4.1 分類器選取
    4.2 BCS算法不足
    4.3 FS_CSO算法
        4.3.1 初始化策略
        4.3.2 適應度函數(shù)
        4.3.3 更新機制
    4.4 實驗結果與分析
        4.4.1 數(shù)據(jù)集
        4.4.2 參數(shù)設置
        4.4.3 實驗結果對比分析
第5章 總結與展望
參考文獻
作者簡介及科研成果
致謝


【參考文獻】：
期刊論文
[1]機器學習中的特征選擇方法研究及展望[J]. 崔鴻雁,徐帥,張利鋒,Roy E.Welsch,Berthold K.P.Horn.  北京郵電大學學報. 2018(01)

碩士論文
[1]基于粒子群和互信息的高光譜圖像波段選擇和分類[D]. 袁永福.西安電子科技大學 2014
[2]云計算聯(lián)盟資源調度方法研究[D]. 呂秋云.武漢理工大學 2013



本文編號：3168422