基于二元蟻群優(yōu)化算法和分形維數(shù)的屬性選擇方法.pdf

1、屬性選擇問題旨在不丟失數(shù)據(jù)原有價(jià)值的前提下，剔除數(shù)據(jù)中的冗余噪聲信息，從而提高數(shù)據(jù)處理的效率和準(zhǔn)確率，在數(shù)據(jù)預(yù)處理環(huán)節(jié)中占據(jù)至關(guān)重要的地位。屬性選擇問題主要包含四個(gè)主要方面:子集評估度量準(zhǔn)則、采用搜索策略控制新屬性子集的產(chǎn)生、驗(yàn)證核屬性是否基本包含原始數(shù)據(jù)集的信息，以及停止條件，其中子集評估度量準(zhǔn)則和搜索策略是兩個(gè)關(guān)鍵的問題。在屬性選擇問題中，任一屬性均有兩種狀態(tài)，被“選擇為關(guān)鍵屬性”（用“1”表示）或“不被選擇為關(guān)鍵屬性”（用“0”表

2、示）。鑒于此特點(diǎn)，本文從一維二值細(xì)胞自動機(jī)模型入手，以二元蟻群優(yōu)化算法（Binary Ant Colony Optimization，BACO）為搜索策略，分形維數(shù)(Fractal Dimension，F(xiàn)D)作為子集評估度量準(zhǔn)則應(yīng)用于求解屬性選擇問題。因BACO算法屬于生物啟發(fā)式算法，存在“種群多樣性缺失”、“算法前期信息素匱乏需要較長搜索時(shí)間”以及“單次只能求解一個(gè)任務(wù)”等諸多缺陷，本文對其作了一系列改進(jìn)，并結(jié)合FD應(yīng)用于屬性選擇問題

3、中。
　　本文的主要研究工作和成果總結(jié)如下:
　　(1)將自然界中生物的生命周期（出生、覓食、繁殖、遷徙、死亡）的思想引入到BACO中，通過對螞蟻設(shè)置營養(yǎng)閾值的上下限來執(zhí)行繁殖、遷徙和死亡操作，從而擴(kuò)大螞蟻對解空間的搜索范圍，提高種群的動態(tài)多樣性，提出基于生命周期的二元蟻群算法(Lifecycle-based Binary Ant Colony Optimization，LCBBACO)，然后結(jié)合FD應(yīng)用于屬性選擇問題中。通

4、過對UCI中的6個(gè)數(shù)據(jù)集進(jìn)行測試，結(jié)果表明該方法具有較好的可行性和有效性。
　　(2)因BACO在初始時(shí)刻采用信息素均勻分布方式，且不設(shè)置啟發(fā)式信息，這必將導(dǎo)致算法在前期需要較長一段時(shí)間才能形成一條信息素落差明顯的路徑，影響整個(gè)算法的運(yùn)行時(shí)間。將二元粒子群算法(Binary Particle Swarm Optimization，BPSO)的快速有效性引入到BACO中，通過最優(yōu)粒子迭代矩陣或模糊函數(shù)映射機(jī)制等方法快速產(chǎn)生初始解，提

5、出帶粒子優(yōu)化特征的二元蟻群算法(Binary Ant Colony Optimization with Particle Optimization Feature，PBACO)，然后結(jié)合FD求解屬性選擇問題。仿真實(shí)驗(yàn)表明，該方法不僅能有效解決屬性選擇問題，還可以較大程度地減少算法的評價(jià)次數(shù)，降低算法的平均運(yùn)行時(shí)間。
　　(3)現(xiàn)有的BACO算法單次只能求解一個(gè)任務(wù)，大大降低了算法求解問題的效率。針對BACO算法所具有的“隱”并行性

6、，將自然界中基于合作的協(xié)同進(jìn)化機(jī)制引入到BACO中，在同一搜索空間根據(jù)任務(wù)個(gè)數(shù)設(shè)置相應(yīng)數(shù)目的子種群，各子種群之間相互協(xié)作相互傳遞有效信息，從而同時(shí)加速各任務(wù)的收斂速度及提高解的質(zhì)量，提出協(xié)同進(jìn)化的二元蟻群算法(Coevolutionary Binary Ant Colony Optimization，CBACO)，然后結(jié)合FD同時(shí)求解多個(gè)不同的屬性選擇問題。仿真實(shí)驗(yàn)表明在多任務(wù)環(huán)境中有效信息的傳遞確實(shí)能加速各任務(wù)的收斂速度及提高解的質(zhì)量

7、。
　　(4)霧霾天氣已嚴(yán)重地影響到人們的日常生活，有效預(yù)測霧霾在現(xiàn)實(shí)生活中具有十分重要的意義。原始霧霾數(shù)據(jù)因包含眾多冗余因素而造成“維數(shù)災(zāi)難”，進(jìn)而造成資源浪費(fèi)，影響預(yù)測的效率。有效剔除霧霾數(shù)據(jù)中的噪聲屬性，為霧霾預(yù)測提供精簡有效數(shù)據(jù)顯得尤為必要。原始霧霾數(shù)據(jù)的任一屬性同樣也具有“0/1”特性，本質(zhì)上也屬于屬性選擇問題。因第五章CBACO算法結(jié)合FD能在同一時(shí)間內(nèi)有效解決多個(gè)屬性選擇問題，故將上述算法應(yīng)用于中國兩大主要城市北京和