[发明专利]一种基于混沌二进制引力搜索算法的波段选择方法

权利要求书

1.一种基于混沌二进制引力搜索算法的波段选择方法，其特征在于，包括以下步骤：

步骤1：读入测试图像，提取图像的波段信息，即原始波段样本集，将所述的原始波段样本集作为输入数据集，所述的波段提取方法是通过ENVI软件对图像的波段进行提取；

步骤2：初始化种群和混沌二进制引力搜索算法所需的参数，所述的初始化引力搜索算法所需的参数包括种群大小N，最大迭代次数T，引力系数初始值G₀，时间常数α，常数a，极小值常量ε，权重λ，粒子的初始速度粒子的初始空间位置

步骤3：将引力搜索算法中粒子的初始位置向量解码成相应的波段子集，通过适应度函数计算得出每个波段子集的适应度函数值，所述的将引力搜索算法中粒子的初始空间位置向量解码成相应的波段子集，是将一个二进制编码的粒子的初始空间位置向量解码成一个波段选择问题的解，其位置每一维度的取值为0或者1，0表示该波段不被选择，1表示该波段被选择；

步骤4：更新种群的万有引力系数G(t)、适应度函数值的最大值best(t)、适应度函数值的最小值worst(t)；

步骤5：计算每个粒子的质量M_i(t)和加速度

步骤6：通过引力搜索算法中的速度更新公式和位置更新公式依次更新粒子的速度和位置；

步骤7：计算当前全局最优解的混沌变量值，混沌优化的模型采用无限折叠混沌映射；

步骤8：将更新后粒子的位置向量解码成相应的波段子集并评价其适应度值；

步骤9：通过比较更新前后粒子的位置向量对应的适应度函数值，确定下一代粒子的位置，其中，所述的确定下一代粒子的位置的规则为：若更新后的粒子的位置向量对应的适应度函数值高于更新前，则替换原先的粒子；否则，保留更新前的粒子，适应度函数值的计算方法同步骤3；

步骤10：记录全局最优解G以及其适应度函数值；

步骤11：判断，是否满足终止条件，若否，则回转执行所述的步骤4，其中，终止条件为达到预设的最大运行迭代数；若是，则输出全局最优的粒子位置对应的波段子集及其适应度函数值。

2.根据权利要求1所述的一种基于混沌二进制引力搜索算法的波段选择方法，其特征在于：步骤3中所述的利用适应度评价函数计算得到每个波段子集的适应度函数值，其适应度函数值计算公式为：

其中F(i)表示粒子i的适应度函数值，Accuracy(i)表示粒子i选择的波段子集训练分类器所得到的图像分类正确率，n(i)表示此次选择的波段个数，λ表示权重。

3.根据权利要求1所述的一种基于混沌二进制引力搜索算法的波段选择方法，其特征在于：步骤4中所述的万有引力系数G(t)的计算公式为：

其中，G₀为G(t)的初始值，α为时间常数，t为当前时刻，即当前迭代次数，T为最大迭代次数。

4.根据权利要求1所述的一种基于混沌二进制引力搜索算法的波段选择方法，其特征在于：步骤4中所述的适应度函数值的最大值best(t)和适应度函数值的最小值worst(t)的计算公式依次为：

其中，fit_i(t)表示粒子i在t时刻的适应度函数值，适应度函数值的计算方法同步骤3。

5.根据权利要求1所述的一种基于混沌二进制引力搜索算法的波段选择方法，其特征在于：步骤5中所述的每个粒子的质量M_i(t)的计算公式为：

其中，fit_i(t)表示粒子i在t时刻的适应度函数值，worst(t)表示t时刻，所有粒子的适应度函数值的最小值，best(t)表示t时刻，所有粒子的适应度函数值的最大值；

同时需要说明的是，在引力搜索算法中，存在以下关系：

M_ai＝M_pi＝M_ii＝M_i,i＝1,2,...,N

其中，M_ai表示粒子的主动引力质量，M_pi表示粒子的被动引力质量，M_ii表示粒子的惯性质量，M_i表示将粒子质量归一化后的结果。