粒子群算法课堂教学案例——求包含所有已知数据点最小椭圆.pdfVIP

第 31卷第 1期 大 学 数 学 Vo1．31。№ ．1 2015年 2月 COLLEGE MATHEMATICS Feb．2O15 粒子群算法课堂教学案例 一 求包含所有 已知数据点的最小椭圆 戴 丽， 谢 政， 李建平 (国防科学技术大学 理学 院，湖南 长沙 410073) [摘 要] “现代优化方法”来源于各种大规模 的工程实际问题 的求解 ，也正是在工程实践问题 的求解过 程 中得到不断发展 。在该课程的教学 中有必要引人案例 。本文以粒子群算法为例 ，介绍本课程 的一个教学案 例：如何求包含所有已知数据点的最小椭圆。该案例在模式识别中有重要的应用． [关键词]粒子群算法 ；教学案例 ；模式识别 ， [中图分类号]TP18 [文献标识码]C [文章编号]1672—1454(2015)01—0081—05 1 案例背景 美国ClevelandHeartDiseaseDatabase提供 了303个心脏病人的有关数据信息口]．该数据库记录 了这些病人 的血压 (低压)、胆固醇等 13项与心脏病有关的指标 ，同时，也记录了这些病人是否患有心脏 病的确诊结论．现在的问题是如何根据这些数据对新来的病人只通过检查这 13项指标 ，就推断该病人 是否患有心脏病．该 问题是病人患病确诊 问题．本质上是分类问题 ，也称为模式识别问题． 假设只考察是否患有心脏病与人 的血压 (低压)[] 和胆 固醇 [z]这两项指标 的关系．用 “+”表 示有心脏病，用 “o”表示无心脏病．如果 1O个病人的数据如 图1所示 ，则此时，可用一条直线 (图中的粗 线)将两部分数据分开．但当数据如图2所示时，则无法用一条直线将两部分数据分开 ，用一个椭 圆(图 中的粗线部分)区分两种数据．也就是说 ，此时，需要构造一个包括所有 “O”型数据点的面积最小 的椭 圆． 这是一非线性划分 问题． 图 1 用直线区分数据 图2 用椭 圆区分数据 患病确诊问题是本文的应用之一．实际上 ，在模式识别 问题中经常需要构造这样 的椭圆．对于非线 性划分 问题 ，通常的做法是采用支持向量机 ，即构造核函数 ，并求解相应的二次规划问题．也可以借助于 一 些商业软件 ，如 Halcon等解决该问题．本文则将现代优化算法应用于非线性划分 问题 ，给出一个求 面积最小椭圆的粒子群算法．该算法不需要构造核函数 ，也不需要 函数的解析性质．因此 ，可广泛应用于 问题的求解． [收稿 日期]2o14—11-12 82 大 学 数 学 第 31卷 2 问题的数学描述 以二维数据为例．如图3所示 ，设数据点所在的坐标系为 xoy坐标系．设所求椭圆中心在 xoy坐标 系中为点 (口，6)．以椭圆的中心 (口，6)为坐标原点，以椭圆对称轴为坐标轴，建立一个新坐标系 XOY． XOY可由xoy经过旋转、平移得到．设旋转的角度为0．设椭圆的两个半轴长分别为A和B．于是 ，所求 椭圆在 XOY坐标系中方程为标准方程 X2 y2 — A 。B0 1 ．‘ (…1) 十 且 (Xy)=：=(一cosinOosO1／fyz一--：)． c2 -y ‘ 由此可见，只要确定 口，6，0，A，B的值，椭圆的方程就相应确定． ／ 要寻找一个包