公开(公告)号：CN104537108A

公开(公告)日：2015-04-22

申请号：CN201510020852.1

申请日：2015-01-15

Applicant: 中国矿业大学

Inventor： 张勇 ,  夏长红 ,  巩敦卫 ,  荣淼 ,  耿娜

IPC: G06F17/30

CPC classification number: G06F17/30294 ,  G06F17/30303 ,  G06F17/30345 ,  G06F17/30442

Abstract: 本发明涉及一种高维数据特征选择方法，该方法包括：建立问题的优化模型；将所述问题的优化模型进行连续型转化，获得高维特征选择模型；利用合作型协同微粒群进化方法获得问题的最优完整解，根据所述问题的最优完整解实现高维特征选择模型的高维数据特征选择。本技术方案利用变量分割思想将高维特征选择问题转化为多个低维的子优化问题，运用多个子微粒群同时协同优化，不仅改善了微粒群的多样性，而且还显著提高了算法的搜索速度，为高维数据特征选择问题提供了一种有效的解决思路。随着计算机科学技术的发展，本技术方案可以应用到经常会接触到各种类型的海量高维数据领域。比如：音频数据、视频数据等。

公开(公告)号：CN104166873A

公开(公告)日：2014-11-26

申请号：CN201410293506.6

申请日：2014-06-26

Applicant: 中国矿业大学

Inventor： 巩敦卫 ,  胡滢 ,  张勇 ,  夏长红 ,  耿娜 ,  张建化

IPC: G06N3/00 ,  G06F17/30

Abstract: 本发明公开了一种适于特征质量模糊表示的多目标微粒群优化特征选择方法，步骤如下：(1)将问题建模为一个包含模糊信息的两目标优化问题，其中，分类器评价精度为精确目标函数，特征子集可靠性为模糊目标函数；(2)采用合适的编码策略，将上述具有离散变量的特征选择问题，转化为连续变量多目标优化问题；(3)利用改进的多目标微粒群优化算法对步骤2所确定的两个目标函数进行全局优化，得到问题的Pareto最优集；定义模糊概率支配关系和决策者容忍系数，更新算法的外部储备集。本发明充分发挥了微粒群优化算法收敛速度快、可调参数少、规则简单易实现的优势，用于处理性能指标为模糊数的特征选择问题，实例应用证明，本发明可以得到比传统方法更为丰富有效的解，因此，本发明为处理数值质量模糊表示的特征选择问题，提供了一条新的、可借鉴的思路。