[發明專利]基于改進哈里斯鷹算法的特征選擇方法

在審

• 申請號: 202111405009.7
• 申請日: 2021-11-24
• 公開（公告）號: CN114117876A
• 公開（公告）日: 2022-03-01
• 發明（設計）人: 周士華;鄒樂旺;呂卉
• 申請（專利權）人: 大連大學
• 主分類號: G06F30/25
• 分類號: G06F30/25;G06N3/00;G06F111/08
• 代理公司: 大連智高專利事務所(特殊普通合伙) 21235
• 代理人: 畢進

1.基于改進哈里斯鷹算法的特征選擇方法，其特征在于，包括：

隨機構造初始的特征子集；

通過改進哈里斯鷹優化算法對所述特征子集進行迭代尋優；

利用目標函數獲取哈里斯鷹特征子集的適應度，并確定其個體最優與全局最優；

根據所述全局最優輸出特征子集。

2.根據權利要求1所述基于改進哈里斯鷹算法的特征選擇方法，其特征在于，通過改進哈里斯鷹優化算法對所述特征子集進行迭代尋優，具體為：

將每一個特征子集對應的看成一個粒子，設粒子在t時刻的位置為X(t)，粒子的全局最優位置為gbest，粒子個體最優位置為pbest；當控制因子C_r值大于[0，1]間的隨機數rand時，使用下式更新粒子位置：

其中d代表粒子的維度，范圍是[1，D]中的任意整數，這里的D是粒子搜索空間的總維度；rand是在區間(0，1)內均勻分布的隨機數；i代表當前粒子的索引號；當控制因子C_r值小于等于【0，1]間的隨機數rand時，使用下式更新粒子位置：

Y＝gbest-E*(gbest-X_i) (3)

temp₁＝gbest-α₁*|gbest-X_i| (5)

temp₂＝mean_best_i-α₂*|mean_best_i-X_i| (6)

α＝a*(2*rand-1) (9)

其中E是粒子的逃逸能量因子；α₁、α₂均為權重因子，由式(9)得到；mean_best_i是從種群中比第i個粒子適應度好的前i-1個粒子的歷史最優適應度值中隨機抽取k個，再作均值，如式(7)所示。

3.根據權利要求2所述基于改進哈里斯鷹算法的特征選擇方法，其特征在于，所述控制因子C_r值由式(10)獲得，其中t為迭代次數，T為最大迭代次數：

4.根據權利要求1所述基于改進哈里斯鷹算法的特征選擇方法，其特征在于，將二階分類錯誤率與特征子集長度加權形成目標函數，具體為：

其中，sf代表所選擇的特征子集長度；nf代表數據集中總共的特征數量；μ是平衡分類錯誤率與特征子集長度的平衡因子；balanced_error為分類錯誤率，fitness即為哈里斯鷹特征子集的適應度，對所述fitness進行排序得到個體最優與全局最優。

5.根據權利要求4所述基于改進哈里斯鷹算法的特征選擇方法，其特征在于，所述分類錯誤率balanced_error由下式計算得到：

其中，n是問題的總類數，TP_i是第i類中被正確分類的實例數，S_i是第i類中包含的所有實例數。