基于蚁群优化的特征选择新方法.pdfVIP

第 32卷 第 l2期 武 汉 大 学 学 报 ·信 息 科 学 版 Vo1．32NO．12 2007年 l2月 GeomaticsandInformationScienceofWuhanUniversity Dec．2007 文章编号：1671-8860(2007)12—1127—04 文献标志码 ：A 基于蚁群优化的特征选择新方法 叶志伟 郑肇葆。 万幼川。 虞 欣。 (1 湖北工业大学计算机学 院，武汉市李家墩 l村 ，430068) (2 武汉大学遥感信息工程学 院，武汉市珞喻路 129号 ，430079) 摘 要 ：利用蚁群优化算法解决特征选择 问题 ，以获得能代表 问题空间的较优特征子集 ，并能降低分类系统的 搜索空间。以航空纹理影像的特征选择和分类问题为例 ，利用主分量变换和蚁群优化算法分别对原始纹理影 像特征集合进行特征提取、选择和分类。结果表 明，本文方法不仅能够降低 图像特征空间维数 ，减少图像分类 的工作量 ，而且还可以提高分类识别的正确率 。 关键词 ：蚁群优化算法；特征选择 ；纹理分类 ；最优特征子集 中图法分类号 ：P237．3 由于纹理本身的复杂性 ，为了区分不同种类 题 ，而蚁群算法特别适合于在离散优化问题的解 的纹理 ，通常要 引入多种特征以改善分类识别的 空间进行多点非确定性搜索 ，因此可 以运用蚁群 效果。但是 ，无限地增加特征会导致 “维数灾”问 算法来求解特征选择 问题。如图 1所示，特征选 题 ]。为了解 决这个 问题 ，一些特征提取与选 择可以看成是蚂蚁觅食中寻找最优路径 的过程 ， 择方法被提出。在具体实施特征提取与选择时， 每个特征相当于蚂蚁觅食时要经过 的节点，每个 主要有降维变换和直接选择两种基本方法 。直接 特征有两种标记状态 0或 1。0代表该特征没被 选择法是指从原始特征集 中选 出一定数量 的特 选中，1代表被选 中，其余 的依此类推 。这些节点 征 ，使选定 的可分判据值取最大值。还有一种方 的标记状态 1和 0组成蚂蚁 的觅食路径 ，路径 (选 法是对于给定的允许错误率 ，求维数最小 的特征 择的特征子集)的质量按照适应度 函数进行评价 ， 子集 ，这是一种有约束 的最优化问题。上述两种 适应度函数值越大，说明路径质量越好 (特征子集 方法都属于 NP难的问题 ，除了穷尽搜索之外 ，不 质量越好)，蚁群间通过残留在每个特征节点上的 能保证得到最优解 。在 n较小时尚可用枚举法求 信息素进行合作 ，最终寻找到较优的觅食路径 (对 解 ，对稍大些的，2，如 ，2≥20，利用枚举法或者 BB 应较优的特征子集)。 (分枝界定法)搜索最优特征子集 ，计算量巨大，要 团 回 团 回 团 回 回 回 想在可接受的时间内得到最优解非常困难。为了 ( 特征1特征2特征3特征4特征5特征6特征7特征8( 减少计算量，一批寻求较好次优解的算法被提出， 田 田 田 田 田 田 田 田 这类方法主要有顺序前进法 (SFS)、顺序后退法 图 i 蚂蚁通过特征节点觅食图 (觅食前情况) (SBS)、增减 r法等u]。上述算法或者得到解的 Fig．1 AntColoniesForageThroughFeatureNode 优化程度低 ，或者计算量太大 。本文引入蚁群