基于模糊熵的特征選擇方法的研究與實(shí)現(xiàn).pdf

1、特征選擇在模式分類(lèi)過(guò)程中發(fā)揮著重要作用,選擇的特征正確與否直接關(guān)系到分類(lèi)結(jié)果的正確率,因此特征選擇方法直接影響著系統(tǒng)的性能和質(zhì)量。但是目前的多數(shù)特征選擇方法都存在容易陷入局部最優(yōu)的問(wèn)題,為了能夠快速準(zhǔn)確的找到最小特征子集從而更好的實(shí)現(xiàn)分類(lèi),本文對(duì)特征選擇方法進(jìn)行了大膽的探索和嘗試。
　　 蟻群優(yōu)化算法作為一種群集智能算法,具有群集智能算法能夠解決大多數(shù)全局優(yōu)化算法的優(yōu)點(diǎn),蟻群優(yōu)化算法是一種求解組合優(yōu)化問(wèn)題的新型通用啟發(fā)式方法,蟻

2、群優(yōu)化算法具有正反饋、分布式計(jì)算和自組織性的特點(diǎn),它是一種貪婪啟發(fā)式搜索方法。而在實(shí)際應(yīng)用中我們發(fā)現(xiàn)蟻群優(yōu)化算法搜索時(shí)間較長(zhǎng),所以選擇正確有效的信息素和約束條件變得十分重要。蟻群優(yōu)化算法可以分為兩個(gè)基本階段:適應(yīng)階段和協(xié)作階段。在適應(yīng)階段,各個(gè)候選解根據(jù)所積累的信息不斷地調(diào)整自身結(jié)構(gòu)。而在協(xié)作階段,各個(gè)候選解之間不斷進(jìn)行信息交流,從而產(chǎn)生性能更好的解。
　　 熵描述了一個(gè)概率分布的不確定性程度。將熵概念移植到模糊集理論,可以得到