基于自适应多种群遗传算法的特征选择  

Feature selection based on adaptive multi-population genetic algorithm

作　　者：刘元宁[1,2] 王刚[1,2] 朱晓冬[1,2] 赵正东[3] 陈慧灵[1,2] 邢翀[1,2] 

机构地区：[1]吉林大学计算机科学与技术学院,长春130012 [2]吉林大学符号计算与知识工程教育部重点实验室,长春130012 [3]长春理工大学网络中心,长春130022

出　　处：《吉林大学学报（工学版）》2011年第6期1690-1693,共4页Journal of Jilin University:Engineering and Technology Edition

基　　金：国家自然科学基金项目(60971089);国家电子发展基金项目([2009]537);吉林省科技发展计划项目(20090502);吉林省教育厅'十二五'科学技术研究项目(2011449)

摘　　要：针对标准遗传算法早熟收敛和局部搜索能力弱的缺点,提出了一种自适应多种群的遗传算法(AMGA),包含了多种群规划模型(MPP)和动态选择操作算法(DSA),应用于特征选择处理,从多维特征集合中寻找最优的特征子集。该方法扩展了搜索空间,自适应地调整多个种群的运行状态,有效地控制早熟收敛,增强了局部搜索能力。最后,将本文方法与标准遗传算法的试验结果进行比较,表明本文算法选择的特征数量较少、分类精度较高,可广泛应用于特征选择领域。An Adaptive Multi-population Genetic Algorithm（AMGA） was proposed,which was applied to feature selection and to find the optimal feature subset from high dimensional feature sets.AMGA consists of a Multi-population Planning（MPP） module and a Dynamic Selection Algorithm（DSA）,both being self-designed.The proposed method extends the search space and adjusts the running states of multi-population,thereby controlling the premature convergence and increasing the local search capacity for the premature convergence.Segment from UCI and StatLog data sets were used to evaluate the proposed method.Results show that,comparing with standard genetic algorithm,the proposed method obtained an ideal result with less selected features and higher classification accuracy.The proposed method can be widely applied in the field of feature selection.

关 键 词：人工智能 遗传算法 支持向量机 特征选择 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]