[发明专利]一种基于和声搜索的混合特征选择方法

权利要求书

1.一种基于和声搜索的混合特征选择方法，包括以下步骤：

S1：对社交网络用户原始特征集数据进行归一化和离散处理；

S2：将步骤S1处理后的数据分别输入到若干个过滤器中，每个过滤器处理得到各自的特征子集；通过多数投票算法从若干个特征子集中选出较优特征子集；

S3：初始化和声记忆的音乐家数目，最大迭代次数，和声记忆取值概率和微调概率；将S2中得到的较优特征子集存储在和声记忆中，作为随机和声；

S4：每个音乐家从原始特征集中随机选择一个音符，形成新的和声；通过和声的依赖程度判定和声好坏，如果形成的新的和声比在和声记忆中最坏的和声好，新的和声则存入和声记忆中，而所述最坏的和声则被移除；否则丢掉该新的和声；

S5：按照步骤S4迭代直到达到最大迭代次数，输出此时的新的和声，作为最优和声。

2.根据权利要求1所述一种基于和声搜索的混合特征选择方法，其特征在于：步骤S1中所述归一化处理让每个特征具有大概相同的规模,每个特征的规模均落在[0,1]中，具体方法为：

$f^{\′}=\frac{f-{\min }_f}{{\max }_f-{\min }_f}$

其中min_f和max_f分别代表特征的最小值和最大值，f为特征原有值，f'表示归一化处理后取值范围落在[0,1]的特征值。

3.根据权利要求1所述一种基于和声搜索的混合特征选择方法，其特征在于：步骤S2所述过滤器包括信息增益、Relief算法和卡方统计。

4.根据权利要求3所述一种基于和声搜索的混合特征选择方法，其特征在于：所述信息增益的计算方法如下：

特征A的信息增益可以表示为：

Gain(A)＝H(S)-H(S|A)

其中,H(S)为将一个元组分类到S的熵，H(S|A)为一个元组在有特征值A的情况下分类到S的熵；S表示分类系统中的类别，一共有C₁,C₂,C₃,…C_m类；

H(S)由如下公式计算：

$H\left(S\right)=-\underset{x=1}{\overset{m}{\Σ}}p\left(C_x\right){\log }_2\left(C_x\right)$

其中，p(C_x)为C_x出现的概率，m表示分类系统中类别的个数；

H(S|A)的计算公式为：

H(S|A)＝P(a)H(S|a)+P(a')H(S|a')

其中P(a)表示特征A出现的概率，P(a')表示特征A不出现的概率。

H(S|a)表示有特征值A的的情况下分类到S的条件熵，公式如下：

$H\left(S\right|a)=-\underset{x=1}{\overset{m}{\Σ}}p\left(C_x\right|a){\log }_2\left(C_x\right|a)$

H(S|a')表示没有特征值A的情况下分类到S的条件熵，公式如下：

$H\left(S\right|a^{\′})=-\underset{x=1}{\overset{m}{\Σ}}p\left(C_x\right|a^{\′}){\log }_2\left(C_x\right|a^{\′})$