基于fisher score及遗传算法的特征选择方法研究

《基于fisher score及遗传算法的特征选择方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、暨南大学硕士学位论文题名（中英对照）：基于FisherScore及遗传算法的特征选择方法研究AResearchofFeatureSelectionMethodsbasedonFisherScoreandGeneticAlgorithm作者姓名：周密指导教师姓名及学位、职称：张传林博士、教授学科、专业名称：应用数学学位类型：学术学位论文提交日期：2016年月日论文答辩日期：2016年月日答辩委员会主席：论文评阅人：学位授予单位和日期：暨南大学2016年月日独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地

2、方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得暨南大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：签字日期：年月日暨南大学硕士学位论文摘要特征选择是机器学习领域研究的热点之一。本文通过介绍特征选择的相关背景及研究意义，分析一些特征选择方法的优缺点，利用过滤式和封装式这两类特征选择算法的互补性，提出一种基于FisherScore及遗传算法的混合式特征选择方法。该方法先对所有特征的FisherScore作一个线性变换，再利用变换后的FisherScore生成

3、遗传算法的初始种群，接着借鉴精英保留策略，用遗传算法的后续运算选出特征。以Sonar，WDBC，Arrhythmia，Hepatitis这四个数据集作为实验数据，用该方法分别选出它们的特征子集，再依据所选特征子集对原数据集降维，用1-最近邻分类器对降维后的样本分类，通过10重交叉验证法分别获得72.36%，95.64%，72.04%和87.83%的分类准确率，并且所需的迭代次数较少，特征选择的综合效果基本优于FisherScore法（FS）、遗传算法（GA）和FisherScore+遗传算法（FSGA）这3种对比方法，同时该方法能很好地剔除冗余特征，选出具有较高鉴别

4、力的特征，是一种有效的特征选择方法。关键词：特征选择；FisherScore；遗传算法；精英保留I暨南大学硕士学位论文AbstractFeatureselectionisoneofthepopularresearchesinmachinelearningarea.Thisarticleprovidesabriefreviewaboutthebackgroundoffeatureselection,andanalysestheadvantagesanddrawbacksofsomefeatureselectionmethods.Duetothecomplementar

5、yoffilterbasedandwrapperbasedfeatureselectionalgorithm,weproposeahybridfeatureselectionmethod.Inthefirstplace,theFisherscoresofallfeatureswillbemappedintoaspecificintervalbyalinearfunction,andthentherescaledFisherscoreswillbeutilizedtogeneratetheinitialpopulationofgeneticalgorithm.Fina

6、lly,theinitialpopulationwillbeusedinthesubsequentprocedureofgeneticalgorithmtoperformfeatureselectionwithelitiststrategyforreference.Inthispaper,wechoosefourdatasetsofSonar，WDBC，ArrhythmiaandHepatitistotesttheperformanceofourproposedalgorithm.Featuresubsetsofthefourdatasetswillbeselect

7、edbyouralgorithm,andthenthedimensionalityofdatasetswillbereducedaccordingtotheselectedfeaturesubsetsrespectively.1-NNclassifierisusedtoclassifythedimensionalityreduceddatasets,andrespectivelyachievingtheclassificationaccuracyof72.36%,95.64%,72.04%and87.83%withten-foldcrossvalidationm