[發明專利]基于卡方檢測算法和改進的果蠅優化算法的有效混合特征選擇方法

在審

• 申請號: 202010087954.6
• 申請日: 2020-02-12
• 公開（公告）號: CN111414935A
• 公開（公告）日: 2020-07-14
• 發明（設計）人: 閻朝坤;吳彬;侯金翠;羅慧敏;王建林
• 申請（專利權）人: 河南大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 鄭州大通專利商標代理有限公司 41111
• 代理人: 張立強

1.基于卡方檢測算法和改進的果蠅優化算法的有效混合特征選擇方法，其特征在于，包括：

步驟1、采用基于卡方檢測算法特征排序策略對種群中的M個個體進行隨機初始化，M表示種群中的果蠅個體總數；

步驟2、采用設定的適應度函數計算所述種群中每個個體的適應度值，將種群中適應度值最大的個體所表示的解作為全局最優解；

步驟3、采用改進的果蠅優化算法更新所述種群中的個體，并更新種群中每個個體的適應度值，更新種群中的全局最優解；

步驟4、以步驟3作為一次迭代，重復進行步驟3，直至當前迭代次數達到設定的迭代次數。

2.根據權利要求1所述的方法，其特征在于，所述步驟1具體為：

步驟1.1、根據卡方檢測算法計算數據集中每個屬性的卡方值；

步驟1.2、按照卡方值從大到小的順序對每個屬性的卡方值進行排序；

步驟1.3、選擇卡方值較大的前T個屬性對種群中的個體進行隨機初始化形成初始解，針對每個個體將被選中的特征設置為1，未被選中的特征設置為0。

3.根據權利要求1所述的方法，其特征在于，所述設定的適應度函數具體為：

其中，acc(KNN)表示用KNN分類器得到的分類精確度，num_c表示分類正確的樣本數，num_i表示分類錯誤的樣本數，n表示待計算適應度值的樣本對應被選中特征的數目，N是待計算適應度值的樣本對應所有特征的數目，ω₁＝1是分類精確度的權重，ω₂＝0.001是特征選擇的權重。

4.根據權利要求1所述的方法，其特征在于，步驟3中，所述采用改進的果蠅優化算法更新所述種群中的個體，具體為：

通過改進的果蠅優化算法的視覺搜索操作運算和嗅覺搜索操作運算更新每個果蠅個體的位置；其中，在所述改進的果蠅優化算法中，使用Sigmoid函數作為傳遞函數，將果蠅個體的位置映射到0或1；所述Sigmoid函數為：

其中，rand1是預先生成的介于0和1之間的均勻隨機數，X_i表示第i只果蠅的位置，X_i,j表示第i只果蠅的第j個特征是否被選中，選中為1，否則為0。

5.根據權利要求4所述的方法，其特征在于，所述視覺搜索操作運算具體包括：

步驟3.1、基于概率g將種群隨機劃分為G1子群和G2子群，具體為：針對每個果蠅個體均產生一個介于0到1之間的均勻隨機數rand2，若rand2小于g，則對應的果蠅個體屬于G1子群，否則屬于G2子群；

步驟3.2、G1子群中的每個果蠅個體執行原始的視覺搜索，G1子群中每個果蠅個體均飛到種群位置：

X_i,j＝P_j (4)

其中，P表示種群位置，P_j表示種群位置第j個特征的值，X_i表示第i只果蠅的位置，X_i,j表示第i只果蠅的第j個特征的值；

步驟3.3、G2子群中的每個果蠅個體執行改進的視覺搜索，針對每個果蠅個體均產生一個介于0到1之間的均勻隨機數rand3，若rand3小于設定的高斯突變概率mutProb，則在種群位置上按照式(5)進行高斯突變：

X_i,j＝SigFun(X_i,j+randGaussian) (5)

其中，randGaussian是符合標準正態分布的隨機數。

6.根據權利要求4所述的方法，其特征在于，所述嗅覺搜索操作運算具體包括：

步驟3.4、基于所述概率g將種群重新隨機劃分為G1′子群和G2′子群，具體為：針對每個果蠅個體產生一個介于0到1之間的均勻隨機數rand4，若rand4小于g，則該果蠅個體屬于G1′子群，否則屬于G2′子群；

步驟3.5、G1′子群中的每個果蠅個體執行原始的嗅覺搜索，在原始的嗅覺搜索過程中，按照式(6)計算飛行距離d：

d＝rand5 (6)

其中，rand5是預先生成的介于0和1之間的均勻隨機數。

步驟3.6、G2′子群中的每個果蠅個體執行改進的嗅覺搜索，在改進的嗅覺搜索過程中，按照式(7)計算飛行距離d：

d＝αL(λ)(P_j-X_i,j) (7)

其中，α是縮放參數，L(λ)是萊維飛行路徑；

步驟3.7、根據步驟3.5或步驟3.6中計算得到的飛行距離d，依次按照式(12)和(13)進行嗅覺搜索：

X'_i,j＝X_i,j±d (12)

X_i,j＝SigFun(X'_i,j) (13)

其中，X'_i,j表示第i只果蠅的第j個特征飛行了距離d之后的中間值。