燕大本科生毕业设计中期答辩规范报告.docVIP

. 燕 山 大 学 信息科学与工程学院 本科毕业设计（论文）中期报告 课题名称：基于粒子群优化的 特征选择的研究 学院（系）：信息科学与工程学院 年级专业： 08级通信工程 学生姓名： 卢 阳 指导教师： 孙洁娣 完成日期： 2012.05 任务书中本阶段工作目标与任务要求 基于粒子群优化的特征选择主要研究的问题是如何利用粒子群优化算法的自动寻优性找到符合条件的特征子集，与此同时使分类错误率达到最小。粒子群算法是目前被众多学者研究的群智能算法，算法原理简单，但应用广泛，且寻优速度佳。本课题主要研究粒子群算法的基本原理及应用，并通过MATLAB对算法进行编程仿真，主要有以下四个方面的要求： 学习特征选择的原理，了解特征选择的应用。深入理解特征选择的思想，对特征选择过程有进一步的认识。 学习特征选择算法，对算法思想进行透彻的研究，把算法原理与特征选择相结合。形成一种新的特征选择方式。提高特征选择速度和降低选择的错误率。 学习十倍交叉验证算法和顺序前向搜索算法，使其与粒子群算法相结合。更好的为特征选择服务。 学习编程仿真工具MATLAB。应用MATLAB对本次毕业设计进行编程仿真。 本次毕业设计的主要目标是通过对基于粒子群优化算法的特征选择进行编程实现，对特征选择基本过程以及特征选择的研究方法有较深入的理解。 二、目前已完成任务情况 毕业设计初期，为了对课题有较为准确深刻的理解。积极查阅相关论文和参考书籍，先后对几十篇中文及外文文献进行了仔细阅读，从中汲取毕业设计所需的相关知识，并进行了系统性的总结。对特征选择的流程以及所选择的粒子群算法在理论上有了一定的认识。特征选择即利用计算机对物理对象进行分类，在错误概率最小的条件下，使识别的结果尽量于客观事物相符。已完成任务主要分为以下几个部分： 确定本次设计的基本思路，搜索相关粒子群算法的资料，以及设计流程。学习如何把粒子群优化算法与分类器结合搜索特征子集，查询特征选择的评估准则以及搜索方案。 2.在图书馆电子数据库以及网络上搜索粒子群算法程序，阅读、学习算法内容，学习MATLAB高级语言的应用方法及书写规则。在对其有比较完备的了解后开始着手自己书写程序。 程序主要有以下几个部分（图1为总体设计流程图）： 图1 程序设计流程图 (1).特征选择离不开大量的数据样本，故首先选择合适的数据量进行导入，以便后续工作的应用，并进行特征拓展。 (2).对十倍交叉验证所用数据进行分组，并提取出每次交叉验证所需的测试组和训练组数据将其保存。 (3).将训练数据输入到粒子群算法的程序中，确定适应度函数，学习因子值等，以便计算出每个粒子的适应度和进化方向。通过进化和比较确定最优的特征选择的子集，得出最优的特征选择模型。 (4).多次进行交叉验证，重复训练和测试。选出最优的可行解作为最后的选择结果。并对所得出的结果进行总结分析，在分析的基础上对所编写程序进行改进。 3.对所编写程序进行调试，将算法中的学习因子以及所选特征的个数限制进行更改，不断测试，记录程序运行结果和程序运行时间，寻找最为合理的数值，达到错误均值和方差最小的目的。以提高程序的稳定性，降低粒子收敛速度快对程序的影响。 4.通过实验仿真，得出实验结果如表1、表2。发现程序的稳定性不高，不能得出统一的结论和特征数目。当特征数目相同时，所选出的特征不一定相同，错误率也不同。 特征数 所选特征 错误率 5 1,5,22,34,36 0.065643 6 1,4,28,29,36,37 0.10807 7 1,5,20,27,38,40,43 0.013889 8 4,6,7,15,20,24,32,45 0.029966 9 1,4,6,7,13,19,21,29,43 0.0070922 10 2,4,6,8,12,19,23,27,30,32 0.024488 特征数 所选特征 错误率 9 1,4,6,7,13,19,21,29,43 0.0070922 9 2,6,15,17,18,26,36,41,45 0.0077519 9 1,4,5,7,30,36,38,40,42 0.044048 9 3,6,7,21,22,24,28,33,39 0.014493 9 3,6,7,9,15,20,25,27,44 0.025321 三、存在的问题和拟解决方法 粒子群优化算法是一种启发式算法，它在收敛性方面不像遗传算法已经有了较成熟的收敛性分析方法，并且可对收敛速度进行估计。粒子群这方面的研究还比较薄弱，虽然有了简化确定性版本的收敛性分析