收藏本站
《重庆大学》 2008年
收藏 | 手机打开
二维码
手机客户端打开本文

基于基因锁定及链式智能体遗传算法的特征选择研究

王靖  
【摘要】: 特征选择是模式识别、数据挖掘的重要数据预处理方法。研究对象的特征维数随着所描述对象复杂程度递增而增高,由于大量高维数据对象的特征空间中含有许多冗余特征甚至噪声特征,所以运用特征选择方法减少这些冗余或噪声特征,来降低搜索时间和提高搜索效果已成为特征选择的研究热点。通常降低搜索时间和提高搜索结果的“满意性”(满意性即能够满足实际工程要求的特征子集性能)是矛盾的。论文将遗传算法用于特征选择的搜索中,针对工程中对实时性和满意性的不同要求,研究相关算法,主要工作和结果如下: 1.针对实时性要求强的,高维特征集进行满意特征子集选择的时候,传统的特征选择方法执行时间很长,算法执行效率低的问题,提出了基于基因锁定位遗传算法GLGA(Gene-Lock Genetic Algorithm)来进行特征选择,该算法引入基因锁定位算子,避免了对基因的重复搜索;采用基于特征标志位寄存器状态的自适应结束条件,加快了算法的收敛速度。 2.针对网络式环境(Lattice)遗传算法搜索结果不能较好地满足实际工程需要的问题,提出了基于链式智能体遗传算法LAGA(Link Agent Genetic Algorithm)的特征选择方法。该算法采用链式智能体结构,取代了Lattice智能体结构,有助于减小计算代价,保持种群多样性;采用动态竞争的选择策略,既可以自适应扩大搜索范围,又实现了局部寻优,提高了搜索效率;采用自适应交叉、变异算子,有效的保持了种群多样性,提高了搜索满意度。 3.文中选择了国际通行的机器学习数据集UCI(University of California, Irvine)中的两个数据集进行实验。分别将GLGA和LAGA与其它三种遗传算法进行比较,且运用了三个不同的评价准则分别结合四种算法进行了特征选择能力实验和BP神经网络分类结果比较实验。实验表明: ①GLGA算法的执行时间短,执行效率高,能够用于实时性强的特征选择问题。并且,该算法所选出的特征子集的识别准确率也与其它三种特征选择算法选出的结果相当,有时甚至更高些。对于高维特征集,GLGA算法还具有显著的降维效果,能够明显降低网络分类器维数的复杂度。 ②LAGA算法所选择的结果优于使用其他三种算法进行特征选择的结果。通过该算法选择得到的满意特征子集具有较好的稳定性,较高的识别准确率和较低的网络分类器维数复杂度。
【学位授予单位】:重庆大学
【学位级别】:硕士
【学位授予年份】:2008
【分类号】:TP18

手机知网App
【相似文献】
中国期刊全文数据库 前10条
1 邓河;严志;;一种基于Filter与Wrapper模型的网络流量特征选择方法[J];长沙民政职业技术学院学报;2011年02期
2 吴剑;;基于特征选择的无监督入侵检测方法[J];计算机工程与应用;2011年26期
3 冯林;原永乐;;一种基于(μ+λ)-ES进化策略的特征选择方法[J];计算机科学;2011年08期
4 许明英;尉永清;赵静;;一种结合反馈信息的贝叶斯分类增量学习方法[J];计算机应用;2011年09期
5 ;遗传算法:让发明自动“进化”[J];硅谷;2011年15期
6 张永波;游录金;陈杰新;;基于模拟退火的多标记数据特征选择[J];计算机工程与设计;2011年07期
7 谭骏;陈兴蜀;杜敏;;基于特征加权与最近邻法的P2P协议识别算法[J];四川大学学报(工程科学版);2011年04期
8 毛灵;陈兴蜀;吴仲光;谭骏;杜敏;;基于优化SVM的P2P协议识别[J];计算机应用研究;2011年07期
9 蒋鹏;佘艳;;基于遗传算法的接驳转运车辆排程的分析研究[J];信息与电脑(理论版);2011年06期
10 牟琦;毕孝儒;厍向阳;;基于GQPSO算法的网络入侵特征选择方法[J];计算机工程;2011年14期
中国重要会议论文全文数据库 前10条
1 李占潮;陈超;周喜斌;邹小勇;;基于遗传算法和支持向量机预测蛋白质结构类[A];第九届全国计算(机)化学学术会议论文摘要集[C];2007年
2 胡玉娴;;基于《知网》和遗传算法的中文文本聚类特征选择[A];2009全国计算机网络与通信学术会议论文集[C];2009年
3 薛富强;葛临东;陈丽;;新的改进遗传算法用于调制信号特征选择[A];无线传感器网及网络信息处理技术——2006年通信理论与信号处理年会论文集[C];2006年
4 周志红;周新聪;严新平;袁成清;;磨粒特征参数的评价与优化方法研究[A];2006全国摩擦学学术会议论文集(一)[C];2006年
5 万中英;王明文;廖海波;左家莉;;维数约简在网页分类中的应用[A];NCIRCS2004第一届全国信息检索与内容安全学术会议论文集[C];2004年
6 周海清;王恭先;陈正汉;;基于面向对象遗传算法的抗滑桩优化设计程序的研制[A];中国土木工程学会第九届土力学及岩土工程学术会议论文集(下册)[C];2003年
7 吴建生;金龙;;基于实数编码的遗传算法神经网络预报建模研究[A];推进气象科技创新加快气象事业发展——中国气象学会2004年年会论文集(下册)[C];2004年
8 申元霞;张翠芳;;GA-BP算法在系统辨识中的应用[A];中国自动化学会、中国仪器仪表学会2004年西南三省一市自动化与仪器仪表学术年会论文集[C];2004年
9 刘辙;彭亮;崔广才;吴学礼;;混合遗传算法在车间调度中的应用[A];中国自动化学会全国第九届自动化新技术学术交流会论文集[C];2004年
10 曹春红;李文辉;张永坚;;遗传蚂蚁算法在几何约束求解中的应用[A];中国仪器仪表学会第六届青年学术会议论文集[C];2004年
中国重要报纸全文数据库 前10条
1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年
2 周晓娟;TD已过分水岭[N];通信产业报;2008年
3 程爱娟;旅行推销员问题(TSP)的人工智能解法及其应用[N];新疆科技报(汉);2001年
4 天相投顾 闻群王聃聃;选基金需考虑风险承受力[N];中国证券报;2007年
5 中国科技大学计算机系 邢方亮;计算智能百花齐放[N];计算机世界;2003年
6 孙志伟;刘刚检查城防林建设[N];齐齐哈尔日报;2008年
7 郑卫东;高产鹅选种方法和标准[N];中国畜牧兽医报;2007年
8 包家庆;IDS五大发展趋势[N];网络世界;2002年
9 郭明波;来自蝙蝠的启发[N];北京科技报;2001年
10 海通证券 娄静吴先兴;把握风险收益特征选择最适合自己的基金[N];上海证券报;2007年
中国博士学位论文全文数据库 前10条
1 刘天羽;基于特征选择技术的集成学习方法及其应用研究[D];上海大学;2007年
2 燕忠;基于蚁群优化算法的若干问题的研究[D];东南大学;2005年
3 张丽新;高维数据的特征选择及基于特征选择的集成学习研究[D];清华大学;2004年
4 韦娜;基于内容图像检索关键技术研究[D];西北大学;2006年
5 张旭;具有拓扑结构布局优化的理论及算法[D];大连理工大学;2004年
6 廖平;基于遗传算法的形状误差计算研究[D];中南大学;2002年
7 周明;高新技术产业投资环境系统研究[D];西北工业大学;2006年
8 张颖;基于群集智能模式识别方法的研究[D];大连理工大学;2008年
9 吕铁军;通信信号调制识别研究[D];电子科技大学;2000年
10 张需溥;小型化微带天线的设计与数值分析[D];上海大学;2004年
中国硕士学位论文全文数据库 前10条
1 赵晶晶;改进的遗传算法在样本选择中的应用研究[D];东北师范大学;2006年
2 张晓娟;动态竞争策略的链式多智能体遗传算法的研究[D];重庆大学;2008年
3 牛晓伟;生理信号的情感模式识别[D];西南大学;2008年
4 王靖;基于基因锁定及链式智能体遗传算法的特征选择研究[D];重庆大学;2008年
5 吕志龙;基于遗传算法的自适应文本过滤方法的研究[D];哈尔滨工程大学;2008年
6 朱奉梅;遗传算法在高校排课系统中的研究与应用[D];东北大学;2009年
7 孙晓丽;基于遗传算法的既有线平面及纵断面整正优化设计[D];中南大学;2010年
8 冯秋霞;解最小生成树问题的新的遗传算法[D];西安电子科技大学;2010年
9 郭佳;基于遗传算法的认知无线网络资源分配技术研究[D];西安电子科技大学;2010年
10 宋品;基于改进遗传算法的波束形成技术研究及其应用[D];西安电子科技大学;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026