[发明专利]一种基于ReliefF-DDC特征选择算法

权利要求书

1.一种基于ReliefF-DDC特征选择方法，其特征在于，该方法在接户线入口处安装传感器，采集总负荷的电压、电流等电气量数据进行分析，细化系统数据从而辨识家用电器的类别及运行状态，包括以下步骤：

步骤一：获取训练集样本，确定算法中涉及的参数值；具体包括以下步骤：

S11、设待处理的训练集为D，样本X_l＝{x_l1，x_l2，…x_ld}，x_ld是表示训练集D中第l个样本第d维特征；

S12、确定迭代次数m，m≥1；特征权重阈值τ，0≤τ≤1；最近邻样本个数k，k为大于等于1的整数；评价准则阈值δ，0≤δ≤1；

步骤二：将样本中的所有特征权重置0，置F、S为空集；

步骤三：从训练集D中选取样本X_l并更新其包含的所有维度的特征的权重，利用ReliefF计算特征与各类别之间的相关性来确定“重要特征”，排除无关特征；具体包括以下步骤：

S31、在m次迭代过程中，在训练集D中随机选取一样本X_l，样本X_l属于C类，在与X_l同类的样本中寻找k个最近邻样本H_j，j＝(1,2…k)与X_l不同类的样本中寻找k个最近邻样本M_j；

S32、当1≤r≤d，更新第r维特征的权重W(r)'：

(1)(2)式中，P(C)表示类C在数据集中的先验概率分布，M_j(C)表示第C类第j个最近邻样本；其中diff(r,A,B)表示样本A和样本B在第r维特征值上的区分度；

步骤四:遍历S32中所有r的取值，输出W(r)’中大于阈值τ时所有对应的特征向量f，按降序排列添加至集合F，F＝{f₁,f₂…f_n},nd；

步骤五：利用DDC算法，根据特征之间与决策变量的相关性分析去除冗余特征；具体包括以下步骤：

S51、当e(S)δ时，若f_i满足：

则令F←F-{f_j}，S←S+{f_j}；

式中，e(S)为I(C；f)与Q_C(f,s)共同构成特征子集评价标准，定义如下：

式(5)中，熵H(C)表示随机变量C的不确定性测度，互信息I(C；f_j)表示随机变量C、f_j之间的共享信息，定义为：

I(C,f_j)＝H(C)-H(C|f_j) (6)

式(4)和式(5)中，f和s分别为两个特征，相关测度Q_C(f,s)表示为

S52、判断F是否为空集，若F≠φ，跳转至步骤四；若F空集；继续步骤六；

步骤六：得到最佳特征子集S，将所选特征用于非侵入式负荷识别。