基于改進(jìn)遺傳算法的支持向量機(jī)特征選擇

　　在種群規(guī)模為30，交叉率為0.8，起始變異率為0.1的條件下使用支持向量機(jī)作為分類器(懲罰參數(shù)為13.7，徑向基核函數(shù)參數(shù)為10.6)對所選數(shù)據(jù)進(jìn)行分類，表1中顯示了本文算法與文獻(xiàn)[11]中幾種算法在分類效果上的對比，表2給出了三種數(shù)據(jù)的最終選擇結(jié)果。表1中共出現(xiàn)了四種方法：方法1：使用本文算法;方法2：使用NGA/PCA方法;方法3：使用PCA方法;方法4：使用簡單遺傳算法。

　　由于本文算法旨在用最少的特征個數(shù)最大化分類正確率，因此從表1中可以看出本文算法在特征選擇個數(shù)和分類正確率上均比其他三種方法更具優(yōu)勢。由于NGA/PCA算法是針對簡單遺傳算法和主成分分析法的不足而做的改進(jìn)，其性能優(yōu)于簡單遺傳算法和主成分分析法，所以本文算法的分類效果優(yōu)于NGA/PCA算法這一事實更能說明該算法可以較好地解決支持向量機(jī)的特征選擇問題。

　　結(jié)語

　　通過與其他方法的比較，本文算法的分類效果得到了充分的驗證，也說明了該算法具有極好的泛化能力以及在敏感度信息量地指導(dǎo)下遺傳操作的有效性。

　　適應(yīng)度函數(shù)的設(shè)計至關(guān)重要，它直接影響到最終結(jié)果的優(yōu)劣以及算法的收斂性，所以在適應(yīng)度函數(shù)的設(shè)計應(yīng)考慮所解決問題的側(cè)重點(diǎn)。

　　分類正確率的高低不僅取決于合理的特征選擇，而且與支持向量機(jī)的參數(shù)優(yōu)化有關(guān)。只有在合理的特征選擇和參數(shù)優(yōu)化的前提下，支持向量機(jī)分類器才能發(fā)揮出最佳的分類效果。

　　由于算法能夠較好地解決支持向量機(jī)的特征選擇問題，因此已被應(yīng)用在基于支持向量機(jī)的數(shù)字電路板故障診斷當(dāng)中，并取得了良好的效果。

　　參考文獻(xiàn)：

　　[1] 張學(xué)工. 關(guān)于統(tǒng)計學(xué)習(xí)理論與支持向量機(jī)[J].自動化學(xué)報,2000,26(1):33-41

　　[2] Seo K K. A GA-Based Feature Subset Selection and Parameter Optimization of Support Vector Machine for Content – Based Imag Retrieval[J].ADMA2007,2007:594-604

　　[3] Frohlich H, et al. Feature selection for support vector machines by means of genetic algorithm [C]. In 15th IEEE . Internati onal Conference on Tools with Artificial Intelligence, 2003: 142 - 148

　　[4] Suna Z, Bebisa G, Millerb R. Object detection using feature subset selection [ J ]. Pattern Recognition, 2004, 37 (1) : 2165 - 2176

　　[5] 史東鋒,屈梁生. 遺傳算法在故障特征選擇中的應(yīng)用研究[J]. 振動、測試與診斷, 2000,20(3):171-176

　　[6] 劉清坤, 闕沛文, 郭華偉等. 基于支持向量機(jī)和特征選擇的超聲缺陷識別方法研究[J]. 中國機(jī)械工程, 2006,17(1):9-11

　　[7] 張昊, 陶然, 李志勇等. 基于自適應(yīng)模擬退火遺傳算法的特征選擇方法[J]. 兵工學(xué)報, 2009,30(1):81-85

　　[8] 劉素華, 侯惠芳, 李小霞. 基于遺傳算法和模擬退火算法的特征選擇方法. 計算機(jī)工程[J], 2005,31(16):157-159

　　[9] 楊淑瑩. 模式識別與智能計算——Matlab技術(shù)實現(xiàn)[M]. 北京:電子工業(yè)出版社, 2008

　　[10] 肖健華. 智能模式識別方法[M].廣州：南洋理工出版社, 2006

　　[11] 孫見青, 汪榮貴, 胡韋偉等. 一種新的基于NGA/PCA和SVM的特征提取方法[J]. 系統(tǒng)仿真學(xué)報, 2007,19(20):4823-4826