[發明專利]協同演化算法優化的支持向量機濕地遙感分類方法

有效

• 申請號: 201710251117.0
• 申請日: 2017-04-17
• 公開（公告）號: CN107067035B
• 公開（公告）日: 2018-04-20
• 發明（設計）人: 于曉冬;夏天
• 申請（專利權）人: 哈爾濱師范大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 哈爾濱龍科專利代理有限公司23206
• 代理人: 高媛

1.一種協同演化算法優化的支持向量機濕地遙感分類方法，其特征在于：所述方法步驟如下：

一、個體編碼方式

由于SVM分類器的兩個調節參數為實數，所以采用實數編碼方法；其中，每個個體用如下的向量表示：

Indi=[σi2,Ci]σi2>0Ci≥0---(1)]]>

上式(1)中，Ind_i表示不定因子個體；

依據此編碼方式，則將核函數參數優化問題轉換為尋找最佳個體的問題；

二、計算個體適應度函數

選擇分類識別精度作為計算個體的適應度函數；適應度函數如下：

f(x)＝Max(precision)＝Max(TP/(TP+FP))(2)

上式(2)中，precision表示預測精度；

其中TP為被正確地劃分為正例的個數，FP為被錯誤地劃分為正例的個數；

三、PSO-GA協同演化算法

(1)初始化種群及參數

設N為種群規模，迭代次數G，GA交叉概率變異概率為PSO中的調和因子λ₁和λ₂，最小擾動因子γ₁和最大慣性擾動因子γ₂，適應度函數為f，隨機產生由N個個體組成的初始種群，每一個個體表示為一個二元組向量演化策略的選擇概率μ⁽¹⁾＝(μ⁽¹⁾(PSO),μ⁽¹⁾(GA))，初始時為每個演化策略分配一個相同的概率；

在第k代開始時，PSO-GA協同演化算法根據策略選擇概率μ^(k)選擇本代的演化策略；

(2)PSO演化策略

PSO-GA所使用的PSO演化策略在搜索空間Ω內采用群體的最優位置g_i和個體的歷史最優位置p_i來調控粒子當前速度；按照公式(3)產生k+1代候選解X'^(K+1)；

(vi′)(k+1)=ωvi(k+1)+λ1γ1pik+λ2γ2gikX′(K+1)=XK+(vi′)(k+1)---(3)]]>

上式(3)中，ω表示超平面的法向量、v_i表示速度、v_i'為下一時刻速度；

(3)GA演化策略

PSO-GA所使用的GA演化策略要解決的優化問題定義為:

Maximumf(x)Subjecttox∈Ω---(4)]]>

式中，f是實值函數，X＝{x₁,x₂,...,x_m}^T為在R^N空間內變量集，其中X為式(4)中x的最優解集合，Ω為所有可行解集合，其中σ²∈[0.01,50],C∈[1,1000]；

(4)選擇子代

在第K代演化結束后，從|X^K∪X^′(k+1)|個個體中，采用基于轉盤式選擇思想，選擇N個個體構成最終子代X^(k+1)；具體做法是：以個體的相對適應值作為該個體在下一代中存活的概率，并使每個個體都有機會根據其相對適應值而被選中；實施該策略的步驟如下:

步驟一：順序累計種群中各個體適應度值f_i，得到適應度的累加值

步驟二：計算各個體被選中的概率P_i＝f_i/S_n；

步驟三：累計P_i，求得累計概率

步驟四：產生[0，1]內的均勻分布的隨機數r，若滿足g_i-1＜r≤g_i，則選擇個體i；

步驟五：反復執行步驟四，直到產生的個體數目等于種群規模；

(5)更新策略的選擇概率

第K代演化結束后，根據X^(k+1)中每個子代個體及其對應父代個體X^K，對μ^(k)進行如下更新；

針對X^(k+1)代中個體，如果是來自于父代的演化，說明第K代使用的演化策略為當前的優勢策略；為促使演化過程盡快收斂，應提高該演化策略h的選擇概率μ^(k)(h)，同時降低其他演化策略l的選擇概率μ^(k)(l)，并確保μ^(k)(h)+μ^(k)(l)＝1。