CUDA平臺下基于分層多組粒子群算法的特征選擇研究.pdf

1、隨著人們對未知領域探索的不斷深入研究和測試技術的發(fā)展，會產生海量的數(shù)據(jù)，因此在眾多數(shù)據(jù)中發(fā)現(xiàn)有用的信息已經成為一項重要的研究課題，期望通過這樣的研究可以有效幫助組織決策的制定。本文針對以上應用背景，開展海量高維數(shù)據(jù)下的特征選擇方法研究。
　　特征選擇就是這樣一種在大量特征中尋找關鍵特征的有效方法，即根據(jù)某種評估標準，從原始特征空間中除去不相關、冗余特征，以達到降低數(shù)據(jù)維數(shù)的目的。本文在分析相關特征選擇方法的基礎上提出了基于CUDA

2、平臺的分層多組粒子群算法的特征選擇，旨在通過特征選擇算法本身和異構平臺搭建兩個方面對特征選擇進行改進。
　　論文首先提出了基于分層多組粒子群算法的搜索策略，該算法是對標準粒子群算法進行改進，將種群分為兩層（頂層粒子群和底層粒子群），各層進行獨立的粒子群算法，并在每次循環(huán)之后交換兩層之間的粒子信息，以保證種群的進化性能，且該算法得到了基于概率學的分析論證。但該算法執(zhí)行時間會相對較長，因而速度較于普通的粒子群算法要慢。鑒于此，本文利用

3、與該算法相契合的GPGPU異構平臺—CUDA(Compute Unified Device Architecture)來有效的避免這一短處，CUDA是NVIDIA公司推出了一款新型并行計算架構，可以極大的提高運算速度，提高運行效率。
　　接著本文將就前文提出的分層多組粒子群算法應用于特征選擇。在此基礎上，本文基于粗糙集理論提出了特征選擇方法的評估函數(shù)，評估函數(shù)是特征選擇過程中的關鍵環(huán)節(jié)之一，主要作為選擇特征子集的標準。最后本文最后