[發明專利]一種基于粗糙集和群智能的特征選擇方法

在審

• 申請號: 201810589510.5
• 申請日: 2018-06-08
• 公開（公告）號: CN108875895A
• 公開（公告）日: 2018-11-23
• 發明（設計）人: 胡玉榮;余晨陽;余建國;胡斌;李祥琴;李冉;田雯;陸焱
• 申請（專利權）人: 荊楚理工學院
• 主分類號: G06N3/00
• 分類號: G06N3/00;G06N99/00;G06F17/30
• 代理公司: 武漢智元知識產權代理事務所(普通合伙) 42234
• 代理人: 張炳楠;謝蓉

1.一種基于粗糙集和群智能的特征選擇方法，其特征在于，所述方法包括如下步驟：

步驟1：設置方法的參數；

步驟2：利用粗糙集和互信息知識，計算出特征核；

以及任選以下步驟中的一步或多步：

步驟3：初始化種群；

步驟4：計算可行解的適應值、個體極值Pbest和全局極值Gbest；

步驟5：進行迭代；

步驟6：輸出最優特征子集REDU。

2.根據權利要求1所述的特征選擇方法，其特征在于，步驟1中，所述參數包括：種群大小M，最大迭代數MCN，跳躍閾值JUMP，三個參數C_w、C_p和C_g，分類能力重要因子α和特征子集長度重要因子β。

3.根據權利要求1或2所述的特征選擇方法，其特征在于，步驟2中，所述特征核記為CORE；

優選地，所述步驟2可以包括：首先令然后對每一個a∈C，若I(C-{a}；D)＜I(C；D)，則CORE＝CORE∪{a}；

優選地，如果I(CORE；D)＝I(C；D)，則REDU＝CORE，進行步驟6；否則，進行步驟3。

4.根據權利要求1-3任一項所述的特征選擇方法，其特征在于，所述步驟3包括以下具體步驟：

步驟3.1 解的表達；特征選擇問題可用一個二進制位串來表示一個解；設數據集的條件特征個數為N，則可用N位二進制位串表示，取“1”的位表示選擇該特征，取“0”則表示不選；

步驟3.2 根據公式(1)計算特征q(q∈C-CORE)的重要性；

SGF(q)＝I(CORE∪q；D)-I(CORE；D) (1)

步驟3.3 根據公式(2)計算特征q在特征集中出現的概率P(q)；

其中，所有特征出現概率的最小值為SGF_min，最大值為SGF_max；

步驟3.4 初始化種群，產生M個可行解；第i個可行解X_i＝(x_i1,x_i2,...,x_iN)中的第j位可根據公式(3)進行計算x_ij：

其中，i∈{1,2,...,M}，j∈{1,2,...,N}，q為第i個可行解的第j位所對應的特征，rand()產生[0,1]之間的隨機函數。

5.根據權利要求1-4任一項所述的特征選擇方法，其特征在于，所述步驟4優選根據公式(4)計算可行解X_i所對應特征子集R的適應值、個體極值Pbest和全局極值Gbest；

其中，|R|表示特征子集R的基數，|C|表示條件特征集C的基數；I(R；D)表示特征子集R和決策特征集D之間的互信息，I(C；D)表示條件特征集C和決策特征集D之間的互信息；如果I(R；D)＝I(C；D)，則表明特征子集R和條件特征集C具有相同的分類能力；參數α表示特征子集R的分類能力重要性，參數β表示特征子集R的基數重要性，且α,β∈[0,1]，α+β＝1；參數α和β是對特征子集R的分類能力和基數之間的一個權衡；

適應值計算完畢，所有可行解按照適應值由大到小進行排序，取前50％作為雇傭蜂，其余為跟隨蜂；每個可行解的適應值即為Pbest，種群的最大適應值即為Gbest。