隨著科學(xué)技術(shù)的發(fā)展,各行各業(yè)每天處理的數(shù)據(jù)量呈指數(shù)增長,數(shù)據(jù)的維度越來越大。而這些數(shù)據(jù)中存在著大量的冗余、不相關(guān)的特征,這些特征給機器學(xué)習(xí)、模式識別和數(shù)據(jù)挖掘帶來了巨大的挑戰(zhàn)。學(xué)習(xí)算法在處理高維數(shù)據(jù)的情況下,往往會碰到性能問題。特征選擇作為解決這個問題的有效手段一直都被廣泛的關(guān)注。在特征選擇方法的發(fā)展過程中,涌現(xiàn)了許多有效的優(yōu)化算法,而森林優(yōu)化算法（FOA）就是其中的一種新興的方法。森林優(yōu)化算法受大自然森林演變過程啟發(fā)而來,該算法模擬森林演變過程。它具有簡單、易實現(xiàn)、收斂速度快和搜索效率高等特點。雖然基于森林優(yōu)化算法在解決特征選擇問題上取得了較為滿意的結(jié)果,但是仍然存在著一些不足。本文是在所提出不足的基礎(chǔ)之上,對基于森林優(yōu)化算法的特征選擇算法（FSFOA）進行改進。本文主要做了一下的研究工作:首先,提出改進的基于森林優(yōu)化算法特征選擇。該方法引入了一種貢獻度的策略嵌入在森林優(yōu)化算法中。其主要目的是引導(dǎo)森林優(yōu)算法根據(jù)類相關(guān)性和特征冗余度去搜索最優(yōu)解,從而提高了森林優(yōu)化算法在特征選擇問題中的搜索效率。其次,根據(jù)當(dāng)前樹和當(dāng)前全局最優(yōu)樹的關(guān)系,提出了距離自適應(yīng)策略。該策略能夠有效地快速地引導(dǎo)算法... 

【文章來源】：南京信息工程大學(xué)江蘇省

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－２?—棵樹兩次迭代的局部播種??

圖２－４局部播種數(shù)值例子，其中??模限制階段??了避免森林規(guī)模的無限擴張，需要對森林中樹的數(shù)量限制�！埃欤椋妫澹簦椋恚濉焙蛿�(shù)限制森林中樹的數(shù)量，首先，年齡超過“ｌｉｆｅｔｉｍｅ”的樹將會從森林選集。其次森林中所有的樹根據(jù)其適應(yīng)度函數(shù)值進行降序排序。如果森出了?“ａｒｅａ?ｌｉｍｉｔ”，那么其余的樹會從森林移除并添加到候選集中。“ａｒｅａ?與初始化階段樹的數(shù)量相同。??局播種階段??中有許多不同的動物，它們以樹的種子為食。由于動物棲息地的不穩(wěn)定、風(fēng)力作用，樹的種子會被帶到遙遠的地方。因此，樹的種子會分布在的傳播范圍會更寬。全局播種其目的主要是為了避免局部最優(yōu)解。全局前一階段候選集的預(yù)定比例抽取一定的數(shù)量的樹�！埃簦颍幔睿螅妫澹颍颍幔簦濉眳�(shù)

?ａ?ｂ?ｃ＋ｒ？?ｄ??圖２－３連續(xù)搜索空間的局部播種?????Ｊ?，??１?｜?２?｜?３?｜?４?卜１?｜?２?｜?３訂、３．４?｜?４??圖２－４局部播種數(shù)值例子，其中??（３）


本文編號：3318524