[发明专利]协同演化算法优化的支持向量机湿地遥感分类方法

权利要求书

1.一种协同演化算法优化的支持向量机湿地遥感分类方法，其特征在于：所述方法步骤如下：

一、个体编码方式

由于SVM分类器的两个调节参数为实数，所以采用实数编码方法；其中，每个个体用如下的向量表示：

Indi=[σi2,Ci]σi2>0Ci≥0---(1)]]>

上式(1)中，Ind_i表示不定因子个体；

依据此编码方式，则将核函数参数优化问题转换为寻找最佳个体的问题；

二、计算个体适应度函数

选择分类识别精度作为计算个体的适应度函数；适应度函数如下：

f(x)＝Max(precision)＝Max(TP/(TP+FP))(2)

上式(2)中，precision表示预测精度；

其中TP为被正确地划分为正例的个数，FP为被错误地划分为正例的个数；

三、PSO-GA协同演化算法

(1)初始化种群及参数

设N为种群规模，迭代次数G，GA交叉概率变异概率为PSO中的调和因子λ₁和λ₂，最小扰动因子γ₁和最大惯性扰动因子γ₂，适应度函数为f，随机产生由N个个体组成的初始种群，每一个个体表示为一个二元组向量演化策略的选择概率μ⁽¹⁾＝(μ⁽¹⁾(PSO),μ⁽¹⁾(GA))，初始时为每个演化策略分配一个相同的概率；

在第k代开始时，PSO-GA协同演化算法根据策略选择概率μ^(k)选择本代的演化策略；

(2)PSO演化策略

PSO-GA所使用的PSO演化策略在搜索空间Ω内采用群体的最优位置g_i和个体的历史最优位置p_i来调控粒子当前速度；按照公式(3)产生k+1代候选解X'^(K+1)；

(vi′)(k+1)=ωvi(k+1)+λ1γ1pik+λ2γ2gikX′(K+1)=XK+(vi′)(k+1)---(3)]]>

上式(3)中，ω表示超平面的法向量、v_i表示速度、v_i'为下一时刻速度；

(3)GA演化策略

PSO-GA所使用的GA演化策略要解决的优化问题定义为:

Maximumf(x)Subjecttox∈Ω---(4)]]>

式中，f是实值函数，X＝{x₁,x₂,...,x_m}^T为在R^N空间内变量集，其中X为式(4)中x的最优解集合，Ω为所有可行解集合，其中σ²∈[0.01,50],C∈[1,1000]；

(4)选择子代

在第K代演化结束后，从|X^K∪X^′(k+1)|个个体中，采用基于转盘式选择思想，选择N个个体构成最终子代X^(k+1)；具体做法是：以个体的相对适应值作为该个体在下一代中存活的概率，并使每个个体都有机会根据其相对适应值而被选中；实施该策略的步骤如下:

步骤一：顺序累计种群中各个体适应度值f_i，得到适应度的累加值

步骤二：计算各个体被选中的概率P_i＝f_i/S_n；

步骤三：累计P_i，求得累计概率

步骤四：产生[0，1]内的均匀分布的随机数r，若满足g_i-1＜r≤g_i，则选择个体i；

步骤五：反复执行步骤四，直到产生的个体数目等于种群规模；

(5)更新策略的选择概率

第K代演化结束后，根据X^(k+1)中每个子代个体及其对应父代个体X^K，对μ^(k)进行如下更新；

针对X^(k+1)代中个体，如果是来自于父代的演化，说明第K代使用的演化策略为当前的优势策略；为促使演化过程尽快收敛，应提高该演化策略h的选择概率μ^(k)(h)，同时降低其他演化策略l的选择概率μ^(k)(l)，并确保μ^(k)(h)+μ^(k)(l)＝1。