基于自适应多种群遗传算法的特征选择

吉林大学学报(工学版) ›› 2011, Vol. 41 ›› Issue (6): 1690-1693.

基于自适应多种群遗传算法的特征选择

刘元宁^1,2,王刚^1,2,朱晓冬^1,2,赵正东³,陈慧灵^1,2,邢翀^1,2

1.吉林大学计算机科学与技术学院|长春 130012；2.吉林大学符号计算与知识工程教育部重点实验室|长春 130012；3.长春理工大学网络中心|长春 130022

收稿日期:2010-07-19 出版日期:2011-11-01 发布日期:2011-11-01
通讯作者: 朱晓冬（1964-），男，教授，博士.研究方向:模式识别，网络安全. E-mail:zhuxd@jlu.edu.cn
作者简介:刘元宁(1962-)|男|教授|博士.研究方向:数据挖掘|生物信息学.E-mail:liuyn@jlu.edu.cn
基金资助:
国家自然科学基金项目（60971089)；国家电子发展基金项目(\[2009\]537)；吉林省科技发展计划项目(20090502)；吉林省教育厅“十二五”科学技术研究项目(2011449).

Feature selection based on adaptive multi-population genetic algorithm

LIU Yuan-ning^1,2, WANG Gang^1,2, ZHU Xiao-dong^1,2, ZHAO Zheng-dong³, CHEN Hui-ling^1,2, XING Chong^1,2

1.College of Computer Science and Technology, Jilin University, Changchun 130012,China|2.Symbol Computation and Knowledge Engineering of Ministry of Education, Jilin University, Changchun 130012, China|3.Network Center, Changchun University of Science and Technology, Changchun 130022, China

Received:2010-07-19 Online:2011-11-01 Published:2011-11-01

摘要/Abstract

摘要：

针对标准遗传算法早熟收敛和局部搜索能力弱的缺点，提出了一种自适应多种群的遗传算法（AMGA），包含了多种群规划模型（MPP）和动态选择操作算法（DSA），应用于特征选择处理，从多维特征集合中寻找最优的特征子集。该方法扩展了搜索空间，自适应地调整多个种群的运行状态，有效地控制早熟收敛，增强了局部搜索能力。最后，将本文方法与标准遗传算法的试验结果进行比较，表明本文算法选择的特征数量较少、分类精度较高，可广泛应用于特征选择领域。

关键词: 人工智能, 遗传算法, 支持向量机, 特征选择

Abstract:

An Adaptive Multi-population Genetic Algorithm (AMGA) was proposed, which was applied to feature selection and to find the optimal feature subset from high dimensional feature sets. AMGA consists of a Multi-population Planning (MPP) module and a Dynamic Selection Algorithm (DSA), both being self-designed. The proposed method extends the search space and adjusts the running states of multi-population, thereby controlling the premature convergence and increasing the local search capacity for the premature convergence. Segment from UCI and StatLog data sets were used to evaluate the proposed method. Results show that, comparing with standard genetic algorithm, the proposed method obtained an ideal result with less selected features and higher classification accuracy. The proposed method can be widely applied in the field of feature selection.

Key words: artificial intelligence, genetic algorithm, support vector machines, feature selection

中图分类号:

TP18

刘元宁^1,2,王刚^1,2,朱晓冬^1,2,赵正东³,陈慧灵^1,2,邢翀^1,2. 基于自适应多种群遗传算法的特征选择[J]. 吉林大学学报(工学版), 2011, 41(6): 1690-1693.

LIU Yuan-ning,WANG Gang,ZHU Xiao-dong,ZHAO Zheng-dong,CHEN Hui-ling,XING Chong. Feature selection based on adaptive multi-population genetic algorithm[J]. 吉林大学学报(工学版), 2011, 41(6): 1690-1693.

参考文献

相关文章 15

[1]	吴蔚楠,崔乃刚,郭继峰,赵杨杨. 多异构无人机任务规划的分布式一体化求解方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1827-1837.
[2]	隗海林, 包翠竹, 李洪雪, 李明达. 基于最小二乘支持向量机的怠速时间预测[J]. 吉林大学学报(工学版), 2018, 48(5): 1360-1365.
[3]	焦玉玲, 张鹏, 田广东, 邢小翠, 邹连慧. 基于多种群遗传算法的自动化立体库货位优化[J]. 吉林大学学报(工学版), 2018, 48(5): 1398-1404.
[4]	董飒, 刘大有, 欧阳若川, 朱允刚, 李丽娜. 引入二阶马尔可夫假设的逻辑回归异质性网络分类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1571-1577.
[5]	顾海军, 田雅倩, 崔莹. 基于行为语言的智能交互代理[J]. 吉林大学学报(工学版), 2018, 48(5): 1578-1585.
[6]	王旭, 欧阳继红, 陈桂芬. 基于垂直维序列动态时间规整方法的图相似度度量[J]. 吉林大学学报(工学版), 2018, 48(4): 1199-1205.
[7]	张浩, 占萌苹, 郭刘香, 李誌, 刘元宁, 张春鹤, 常浩武, 王志强. 基于高通量数据的人体外源性植物miRNA跨界调控建模[J]. 吉林大学学报(工学版), 2018, 48(4): 1206-1213.
[8]	李启良, 曹冠宁, 李璇, 杨志刚, 钟立元. 三厢轿车多参数气动优化[J]. 吉林大学学报(工学版), 2018, 48(3): 670-676.
[9]	黄岚, 纪林影, 姚刚, 翟睿峰, 白天. 面向误诊提示的疾病-症状语义网构建[J]. 吉林大学学报(工学版), 2018, 48(3): 859-865.
[10]	李雄飞, 冯婷婷, 骆实, 张小利. 基于递归神经网络的自动作曲算法[J]. 吉林大学学报(工学版), 2018, 48(3): 866-873.
[11]	刘杰, 张平, 高万夫. 基于条件相关的特征选择方法[J]. 吉林大学学报(工学版), 2018, 48(3): 874-881.
[12]	耿庆田, 于繁华, 王宇婷, 高琦坤. 基于特征融合的车型检测新算法[J]. 吉林大学学报(工学版), 2018, 48(3): 929-935.
[13]	蔡振闹, 吕信恩, 陈慧灵. 基于反向细菌优化支持向量机的躯体化障碍预测模型[J]. 吉林大学学报(工学版), 2018, 48(3): 936-942.
[14]	王旭, 欧阳继红, 陈桂芬. 基于多重序列所有公共子序列的启发式算法度量多图的相似度[J]. 吉林大学学报(工学版), 2018, 48(2): 526-532.
[15]	杨欣, 夏斯军, 刘冬雪, 费树岷, 胡银记. 跟踪-学习-检测框架下改进加速梯度的目标跟踪[J]. 吉林大学学报(工学版), 2018, 48(2): 533-538.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed