基于優(yōu)化野草算法的加權(quán)模糊粗糙特征選擇研究.pdf

1、特征選擇是一種用來降低數(shù)據(jù)集維度的技術(shù)，其核心是從輸入的特征集合中選擇出最具有預(yù)測(cè)性的特征子集來代表原始數(shù)據(jù)集合。特征選擇不僅可以簡(jiǎn)化特征內(nèi)在的關(guān)系還可以改善整體集合的預(yù)測(cè)能力。目前，許多學(xué)者針對(duì)模糊粗糙集的特征選擇進(jìn)行了大量的研究，其中比較常見的有，遺傳算法、蟻群算法(ACO)、粒子群算法(PSO)等。這些算法在魯棒性和求解能力等方面均表現(xiàn)優(yōu)秀，并且它們的共同特點(diǎn)是只有最優(yōu)秀的個(gè)體才能有機(jī)會(huì)被提取出來。然而，某些初始依賴度值低的個(gè)體有

2、可能帶有重要信息，因此上述這些算法可能會(huì)導(dǎo)致重要信息丟失。
　　針對(duì)以上問題，本文研究了野草算法的特點(diǎn)并且發(fā)現(xiàn)其特點(diǎn)能使模糊粗糙特征選擇更加全面。野草算法認(rèn)為初始依賴度值低的個(gè)體有可能帶有重要信息，因而賦予初始依賴度值低的個(gè)體一定的存活機(jī)會(huì)。該算法早期能夠維持特征種群多樣性而在后期能夠保證最優(yōu)解的選擇優(yōu)勢(shì)。
　　因此，本文首先將野草算法的特點(diǎn)和模糊粗糙集理論相結(jié)合，繼而提出了基于優(yōu)化野草算法的加權(quán)模糊粗糙特征選擇算法并對(duì)其進(jìn)

3、行編程實(shí)現(xiàn)。其次，利用基于模糊粗糙集的快速屬性約簡(jiǎn)算法來驗(yàn)證特征選擇結(jié)果。最后，將算法模型應(yīng)用于十四類基準(zhǔn)數(shù)據(jù)集和四類具有現(xiàn)實(shí)背景意義的乳腺造影數(shù)據(jù)集進(jìn)行特征選擇，并且將本文算法的特征選擇結(jié)果與其他兩個(gè)算法（蟻群算法和粒子群算法）的特征選擇結(jié)果分別從分類精度和AUC值兩個(gè)方面做出對(duì)比分析。數(shù)據(jù)分析結(jié)果表明，基于本文算法得到的大部分特征選擇結(jié)果可以很好地代表原始數(shù)據(jù)集并且整體性能優(yōu)于蟻群算法和粒子群算法。同時(shí)，這也證明了本文算法具有現(xiàn)實(shí)研