基于小生境遗传算法的分类优化方法  

Classifier optimization method using niche genetic algorithm

作　　者：李隽颖[1] 楼晓俊[1] 

机构地区：[1]中国科学院上海微系统与信息技术研究所无线传感器网络与通信重点实验室,上海200050

出　　处：《计算机应用研究》2012年第5期1787-1790,共4页Application Research of Computers

基　　金：国家重点基础研究发展计划资助项目(2011CB302906);国家重大科技专项基金资助项目(2010ZX03006-004)

摘　　要：对于多分类问题,大多是经二分类器组合进行训练的,在分类类别多、特征维数高时,存在识别准确率不高和训练速度较慢的问题。将超球支持向量机应用到多类问题,为每个类建立一个超球体模型,通过多个超球体划分样本空间。采用改进的基于排挤的小生境遗传算法(improved crowding niche genetic algorithm,ICNGA)进行特征选择,为不同的目标类别寻找最优的特征子集,优化超球支持向量机的输入。利用UCI标准数据集的数值实验表明,在分类数据类别较多、特征维数较高时,经过ICNGA特征选择之后的多超球支持向量机的识别准确度更好,非常适合解决类别数多、特征维数高的分类问题。According to multi-classify problem,the multi-classes classifier constructed by binary classes classifier are usually very slow to be trained.When a large number of categories of data are to be classified,the training work could be very difficult.Hyper-sphere support vector machine（HSSVM） can be extended to solve this multi-classification problem.Each category data trains only one HSSVM,the sample space is divided by multiple optimal hyper-spheres.In order to improve the performance of classifier,this paper used improved crowding niche genetic algorithm（ICNGA） to select features,chose optimal feature subset for different target classes.Using UCI data set of numerical experiment shows that the classifiers have a higher accuracy if ICNGA has been used for feature selection,especially the sample data has a large number of categories or feature vectors.

关 键 词：遗传算法 排挤小生境技术 超球支持向量机 特征选择 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]