基于微粒群优化的特征选择与系综分类算法及应用研究-仪器科学与技术专业论文.docx

摘要摘要 摘要 摘要 随着信息获取手段和处理能力的提高，信息量越来越大，信息维数也越 来越高，给模式识别系统的设计带来“维数灾难”的问题，同时大量冗余或 无关的特征也会影响识别的速度和准确率。对于支持向量机这样优秀的分类 器也存在这样的问题，～些研究学者已经证明在使用支持向量机进行模式分 类之前，有必要进行特征选择，以提高分类的准确率。 特征选择问题实质上是特征搜索问题，已经被证明是NP难问题，虽然 有一些学者提出了许多搜索算法，但是到目前为止还没有公认有效的搜索算 法，特征选择问题已经严重影响了模式识别系统的设计，特征选择方法已经 成为近年来模式识别领域的热点课题。 分类器系综方法是近年来提出的分类器组合方法，它要求基本分类器准 确且多样，尽管系综方法发展迅速，出现了一些新的算法，但还有许多问题 需要解决。 本文系统综述支持向量机、微粒群优化算法、特征选择方法和系综方法 的发展概况，以支持向量机分类器为背景，以封装模式的特征选择问题为主 要研究对象，重点研究了特征选择的搜索算法，并在此基础上研究基于特征 选择的分类器系综方法。本文主要的研究成果和创新点如下： 1．在微粒群优化算法中，针对实数微粒群优化易于陷入局部最优的缺 点，提出带有全局变异算子的微粒群优化算法，仿真实验表明，改进的算法 具有搜索成功率高，速度快的优点；针对离散微粒群优化算法搜索成功率低 的缺点，在算法的转换函数