[發(fā)明專利]一種基于人工蜂群算法的數(shù)據(jù)特征選擇方法

在審

• 申請?zhí)枺?/td>: 201611162314.7
• 申請日: 2016-12-15
• 公開（公告）號: CN106650914A
• 公開（公告）日: 2017-05-10
• 發(fā)明（設(shè)計）人: 陳杰;周武能;陸康迪
• 申請（專利權(quán)）人: 東華大學(xué)
• 主分類號: G06N3/00
• 分類號: G06N3/00
• 代理公司: 上海泰能知識產(chǎn)權(quán)代理事務(wù)所31233
• 代理人: 宋纓,錢文斌

1.一種基于人工蜂群算法的數(shù)據(jù)特征選擇方法，其特征在于，包括以下步驟：

(1)確定人工蜂群算法的控制參數(shù)，將獲得的數(shù)據(jù)集進(jìn)行預(yù)約歸一化處理；

(2)初始化產(chǎn)生一組采蜜蜂位置，依據(jù)選擇的特征選擇適應(yīng)度函數(shù)計算每一個采蜜蜂的適應(yīng)度值，并將其對應(yīng)的開采次數(shù)置為零；

(3)基于人工蜂群算法的更新方式，更新采蜜蜂位置，計算新個體的適應(yīng)度值并更新其開采次數(shù)；

(4)計算選擇概率模型函數(shù)，依概率模型函數(shù)選擇一個采蜜蜂作為觀察蜂，更新觀察蜂位置，計算新個體的適應(yīng)度值并更新其開采次數(shù)；

(5)觀察開采次數(shù)，實(shí)施采蜜蜂位置更新機(jī)制；

(6)保留目前為止最優(yōu)解位置，即代表最優(yōu)特征子集；

(7)若達(dá)到最大迭代次數(shù)，則輸出最優(yōu)特征子集；否則重復(fù)步驟(2)～步驟(6)。

2.根據(jù)權(quán)利要求1所述的基于人工蜂群算法的數(shù)據(jù)特征選擇方法，其特征在于，所述步驟(1)的具體為：對數(shù)據(jù)集中的每一維特征值映射至[0,1]范圍，即f'＝(f-fmin)/(fmax-fmin)，其中，f'為該維特征映射后的值，f為該維特征未映射前的值，f min為該維特征在數(shù)據(jù)集中的最小值，fmax為該維特征在數(shù)據(jù)集中的最大值。

3.根據(jù)權(quán)利要求1所述的基于人工蜂群算法的數(shù)據(jù)特征選擇方法，其特征在于，所述步驟(2)中初始化產(chǎn)生一組采蜜蜂位置具體為：針對特征選擇這一組合優(yōu)化問題，對采蜜蜂位置采用二進(jìn)制編碼，編碼長度值代表數(shù)據(jù)集中原始特征的總個數(shù)，用“1”表示該位代表的特征被選中，用“0”表示該位代表的特征未被選中。

4.根據(jù)權(quán)利要求3所述的基于人工蜂群算法的數(shù)據(jù)特征選擇方法，其特征在于，所述步驟(2)中每一個采蜜蜂的適應(yīng)度值計算方式為Fit＝w*(1-Acc)+(1-w)*(N₁/N₂)，其中，F(xiàn)it為適應(yīng)度函數(shù)值，Acc為基于數(shù)據(jù)集利用10-fold交叉驗(yàn)證法計算得到的學(xué)習(xí)算法的準(zhǔn)確率，N₁為采蜜蜂位置中置為“1”的個數(shù)，N₂為數(shù)據(jù)集中原始特征的總個數(shù)；w為權(quán)重值，取值范圍為[0,1]。

5.根據(jù)權(quán)利要求1所述的基于人工蜂群算法的數(shù)據(jù)特征選擇方法，其特征在于，所述步驟(3)中基于人工蜂群算法的更新方式為其中，R為0～1的隨機(jī)數(shù)，x_ij代表第i個采蜜蜂第j個位置的值，v_ij為x_ij更新后的值，NOT代表取反邏輯操作。

6.根據(jù)權(quán)利要求1所述的基于人工蜂群算法的數(shù)據(jù)特征選擇方法，其特征在于，所述的步驟(4)中概率模型函數(shù)為其中，F(xiàn)it_i為第i個采蜜蜂的適應(yīng)度值，p_i為第i個采蜜蜂被選中的概率。

7.根據(jù)權(quán)利要求1所述的基于人工蜂群算法的數(shù)據(jù)特征選擇方法，其特征在于，所述的步驟(5)具體為：觀察采蜜蜂對應(yīng)的開采次數(shù)，如果開采次數(shù)大于或等于最大開采次數(shù)，則將此采蜜蜂的位置替換為一個重新隨機(jī)初始化的位置。