[发明专利]基于人工鱼群与蛙群混合算法的粗糙集属性约简的强对流天气判别方法

权利要求书

1.一种人工鱼群与蛙群混合粗糙集属性约简强对流天气判别方法，其特征是，步骤如下：

已知有2004-2013年间气候类型为冰雹或暴雨的1926个样本，每个样本均有27维属性，按如下步骤进行属性约简：

步骤1)使用粗糙集理论中的概念求得决策系统的核属性，并计算其相应的属性依赖度；

步骤2)决策系统中的条件属性除核属性外，均使用人工鱼群算法进行属性约简的前期寻优，鱼群按照网格化方法进行初始化，每条人工鱼进行觅食、聚群、追尾行为更新自己的位置与对应的适应度函数值，同时公告板记录鱼群最大适应度函数值与对应鱼的位置；

步骤3)鱼群进行多次迭代后适应度没有改变或变化极小时，将产生的输出结果按适应度值排序，取其前1/2最优种群切换至蛙跳算法；

步骤4)将整个蛙群分成多个子群，在每个子群中最差位置根据与最优位置之间的汉明距离完成位置更新，所有子群更新结束后，将各子群中的青蛙混合在一起重新排序分组，继续进行将整个蛙群分成多个子群，至将各子群中的青蛙混合在一起重新排序分组过程，直至达到预设迭代次数，取最高适应度函数值对应的青蛙位置，将其转换为等价的属性子集，得到最小属性约简集；其中，将蛙群中所有青蛙的位置用二进制表示，同时，使用汉明距离来衡量青蛙X_i和青蛙X_j之间的位置差异，当最差青蛙个体更新自己位置时，计算其与最优青蛙个体位置之间的汉明距离，然后设定一个在[0,1]区间的阈值δ，从最差青蛙个体左边第一位开始按位查看，如果位值为1，则以δ的概率变异为0；如果位值为0，则以1-δ的概率变异为1，当改变位数等于汉明距离时，位置更新完成；

得到最小属性约简集合：方差，熵，灰度平均值，面积，50dBZ回波比，回波顶高度，液态含水量密度；

采用CART决策树建立强对流天气识别模型，以方差、熵、灰度平均值、面积、50dBZ回波比、回波顶高度、液态含水量密度为属性变量C＝{C₂,C₈,C₁₀,C₁₂,C₁₇,C₂₁,C₂₃}，以天气类型D为目标变量，1代表天气类型为冰雹，2代表为暴雨，生成决策树，进行强对流天气的判别。

2.如权利要求1所述的人工鱼群与蛙群混合粗糙集属性约简强对流天气判别方法，其特征是，进一步的，所述步骤1)决策系统表示为S＝(U,A,V,f)，其中U为对象的非空有限集合，称为论域；A＝C∪D为属性的非空有限集合，子集C和D分别称为条件属性集和决策属性集，V_a是属性a的值域；f:U×A→V是一个信息函数，它为每个对象的每个属性赋予一个信息值，即X∈U,f(X,a)∈V_a。

3.如权利要求1所述的人工鱼群与蛙群混合粗糙集属性约简强对流天气判别方法，其特征是，进一步的，所述步骤1)依赖度的计算是根据条件属性相对决策属性的正域和决策系统的论域获得，如果核属性的依赖度等于原条件属性的依赖度，则核属性即为属性约简结果。

4.如权利要求1所述的人工鱼群与蛙群混合粗糙集属性约简强对流天气判别方法，其特征是，进一步的，所述步骤3)适应度函数值没有改变或变化极小是指第k次迭代得到的群体最佳适应度值与第k-1次迭代得到的和第k+1次迭代得到的群体最佳适应度值的差均小于预先设定的阈值。