[发明专利]基于改进粒子群算法的数据特征选择方法及系统

说明书

本发明公开了一种基于改进粒子群算法的数据特征选择方法及系统，包括以下步骤：确定评估特征子集的分类器模型；以分类器模型的正确分类率指导特征选择，逐步加入特征子集个数共同指导特征的选择，建立特征子集的质量评价函数；确定数据集中特征选择标准；对粒子群算法进行改进，根据建立的特征子集质量评价函数，计算粒子群中每一个粒子的适应度值，采用Logistic混沌图谱更新粒子群算法的惯性权重，以改进后的粒子群算法处理数据集，得到选择结果。

技术领域

本发明涉及一种基于改进粒子群算法的数据特征选择方法及系统。

背景技术

随着信息产业和科学技术的快速发展，数据量的积累也越来越多。面对快速增长的数据，快速且高效的挖掘出有用的数据特征为社会发展助力，已经成为一个亟需解决的关键问题。特征选择具有降低数据维度、提高模型性能、减少过拟合和增强数据间连接等优点，可以最大程度的解决数据挖掘问题，提取出价值较高的特征，从而挖掘出隐藏在数据中的有用信息。特征选择的目的是在不降低分类器精度的情况下，最大程度的去除不相关和冗余的数据特征，即从原始数据集中找出最佳的特征子集。特征选择是机器学习、数据挖掘和模式识别领域中重要的数据预处理技术，现已广泛应用于文本分类、人脸识别、推荐系统和故障诊断等众多应用中。在分类系统中，大量不相关或冗余数据的存在，势必增加分类任务的计算复杂度，并在一定程度上降低分类器的分类精度。因此，在解决分类任务时，需要运用特征选择技术选出最佳特征子集，从而最大程度的提升分类器的分类性能和降低任务的计算成本。

特征选择是一个具有挑战性的问题，因为特征之间存在相互影响。换句话说，当单个相关特征与其它特征进行组合时，该特征有可能变为冗余或者可用性较低的特征。因此，原始数据集中的最佳特征子集应该是一组互补的数据特征。

粒子群算法被证明是具有较强全局搜索能力的算法，在解决特征选择问题的研究中表现出了较好的潜力。但是，粒子群算法的性能易受自身参数设置的影响，存在过早收敛、缺乏多样性和易陷入局部最优等问题。

发明内容

本发明为了解决上述问题，提出了一种基于改进粒子群算法的数据特征选择方法及系统，本发明通过引入Logistic混沌图谱、动态修正因子和螺旋形策略来影响粒子的运行轨迹，以增强各粒子间信息的传递和搜索过程中的多样性。通过本发明提出的优化策略能够较大幅度的提升算法的收敛速度和收敛精度，可以更好的解决特征选择问题。

为了实现上述目的，本发明采用如下技术方案：

一种基于改进粒子群算法的数据特征选择方法，包括以下步骤：

确定评估特征子集的分类器模型；

以分类器模型的正确分类率指导特征选择，逐步加入特征子集个数共同指导特征的选择，建立特征子集的质量评价函数；

确定数据集中特征选择标准；

对粒子群算法进行改进，根据建立的特征子集质量评价函数，计算粒子群中每一个粒子的适应度值，采用Logistic混沌图谱更新粒子群算法的惯性权重，以改进后的粒子群算法处理数据集，得到选择结果。

进一步的，使用K最近邻作为评估所选特征子集的分类器模型，同时采用十折交叉验证法来避免样本分布的不均衡问题。

进一步的，对数据集进行随机划分，一部分作为训练样本，另一部分作为测试样本，进行分别测试，将得到的结果求平均，得到特征子集在分类器模型上得出的正确分类率。

进一步的，利用自适应调整策略指导特征子集的选择，一开始依靠正确分类率高来指导特征选择，随着选择过程的继续，逐渐加入特征子集个数少这一指标来共同指导特征的选择。

进一步的，确定数据集中特征选择标准为确定粒子种群的粒子位置范围，以各粒子的位置来决定相应的特征的选中和不选中。