一种面向复杂模式分类的特征选择方法技术

本发明专利技术提出了一种面向复杂模式分类的特征选择方法，该方法是在传统遗传方法的基础上，通过改进种群的结构为双环智能体网络结构，使种群分为多个子种群，子种群间通过共享智能体传递信息，所有子种群的遗传进化同步进行，改进的动态邻域竞争操作和邻域自适应交叉操作方法提高了遗传进化效率，同时引入二进制编码方式表达某个特征是否被选中，方便编码和解码，实现高效的特征选择。与传统的特征选择相比，该选择方法具有较高的自适应性，可在高维多峰的特征空间中进行快速搜索，并有效避免陷入局部极值，获得较满意的特征选择效果。

【技术实现步骤摘要】

本专利技术属于模式分类
，具体地说，涉及一种面向复杂模式分类的 特征选择方法。
技术介绍
模式分类问题目前广泛应用于社会的各个领域，如图像分类、数据挖掘、 信息检索、信息提取、语音识别等，其处理方法通常包括如下几个部分样本 预处理、特征提取、特征选择、分类。其中，特征选择是模式分类系统中重要 的预处理过程。在模式分类系统中，经过特征提取后的样本往往含有大量的特 征，特征选择就是从这些大量的特征中过滤掉对分类无关或作用较小的特征， 选择出对分类非常有用的特征，以便分类器分类。因此特征选择的结果影响着 分类的效率和准确率。近年来，模式分类问题己经变得越来越复杂，这主要表现在模式类别增多、 类与类之间的区别越来越微妙、待分类的样本数越来越多等等，特征是否包含 足够的类别信息越来越难以确定。为了提高分类准确率，总是最大限度地提取 特征，结果不仅使特征维数增大，而且可能存在较大的相关性和冗余，这给特 征的进一步处理和分类器的实现都带来很大的困难。因而，需要在不降低或尽 量不降低分类准确率的前提下，尽量降低特征维数，这使得特征选择在复杂模 式分类问题中显得更为重要。特征选择中主要有两个问本文档来自技高网...

【技术保护点】
一种面向复杂模式分类的特征选择方法，其特征在于按照下列步骤进行：（１）采集经过特征提取后得到的样本数据集；（２）对该样本数据集按特征进行归一化处理；（３）对归一化后的样本数据集进行矩阵变换，形成特征矩阵；（４）设置初始参数；（５）根据所述初始参数随机生成种群，所述种群的每个个体即智能体；（６）根据所述初始参数构建种群的双环智能体网络结构，该双环智能体网络结构具体为：所述种群被分为多个子种群，每个子种群构成一个闭合的小环，子种群内部各个智能体位于闭合小环的节点上，相邻小环之间共享部分智能体，从而相互连接，形成一个闭合的大环；（７）进入遗传进化机构，所述所有子种群的遗传进化并行进行；所述遗传进化机...

【技术特征摘要】

【专利技术属性】
技术研发人员：李勇明，曾孝平，韩亮，赵德春，冯文江，吴玉成，蒋阳，韩庆文，
申请(专利权)人：重庆大学，
类型：发明
国别省市：85[中国|重庆]