[发明专利]一种基于改进郊狼优化算法的特征选择方法

说明书

本发明公开了一种基于改进郊狼优化算法的特征选择方法，包括如下步骤：从数据集中获取待选择的特征；初始化郊狼种群，获得郊狼的社会条件；将郊狼的社会条件转化为二进制数据；计算适应度函数值；确定每个子群中的头狼；计算每个子群的文化倾向；更新每个子群中的所有郊狼；每个子群生成二进制新生郊狼；每个子群执行出生‑死亡机制；部分郊狼在子群之间迁移；更新所有郊狼的年龄；判断当前迭代次数是否达到预设的最大迭代次数；选择种群中社会条件最好的郊狼所对应的特征作为最优特征子集。本发明算法调节参数少、搜索效率高、特征选择准确、自适应能力强，在不需要过多的人为参数调整干预的条件下，仍能够快速地搜索到最佳特征组合。

技术领域

本发明属于机器学习与数据挖掘技术领域，更具体的说是涉及一种基于改进郊狼优化算法的特征选择方法。

背景技术

现有技术中，郊狼优化算法是近年来新提出的连续优化方法，基于郊狼优化算法的特征选择方法是一种有效的基于封装器的特征选择方法，其将郊狼种群分成若干子种群，利用每个子群的头狼和文化倾向的影响对子群中郊狼的社会条件进行更新，利用子群的出生-死亡机制增强种群的多样性，利用郊狼在子群之间的迁移来增强子群之间的信息交互，利用V型转移函数和简单的二进制取值策略对所对应的特征进行选择。

现有技术并没有对郊狼优化算法的性能进行改进和提升，在解决特征选择问题时存在搜索速度慢、易陷入局部最优、所选取特征数量偏大和分类精度较低等问题。大大影响了特征选择算法在大数据量特征选择问题中的工程应用效果。

因此，如何提供一种基于改进郊狼优化算法的特征选择方法成为了本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于改进郊狼优化算法的特征选择方法，具有算法调节参数少、搜索效率高、特征选择准确、算法具有较强的自适应能力等特点，在不需要过多的人为参数调整干预的条件下，仍能够快速地搜索到最佳特征组合。

为了实现上述目的，本发明采用如下技术方案：

一种基于改进郊狼优化算法的特征选择方法，包括如下步骤：

S10：从数据集中获取待选择的特征；

S20：初始化郊狼种群，获得郊狼的社会条件；

S30：将郊狼的社会条件转化为二进制数据；

S40：计算适应度函数值；

S50：确定每个子群中的头狼；

S60：计算每个子群的文化倾向；

S70：更新每个子群中的所有郊狼；

S80：每个子群生成二进制新生郊狼；

S90：每个子群执行出生-死亡机制；

S100：部分郊狼在子群之间迁移；

S110：更新所有郊狼的年龄；

S120：判断当前迭代次数是否达到预设的最大迭代次数；

S130：选择种群中社会条件最好的郊狼所对应的特征作为最优特征子集。

优选的，初始化郊狼种群，获得郊狼的社会条件的方法为：

初始化郊狼种群，将种群分为N_p个子群，每个子群包含N_c只郊狼，根据公式(1)获得第p个子群中第c只郊狼在t时刻第j个维度的社会条件：

其中，ub_j和lb_j分别表示第j维解空间的上限和下限，r_j是一个在[0,1]之间的随机数。