[发明专利]变长表示的高维数据特征选择方法、系统、介质及应用

权利要求书

1.一种变长表示的高维数据特征选择方法，其特征在于，所述变长表示的高维数据特征选择方法包括：

计算所有特征的对称不确定性SU，移除部分最不相关的特征，并对剩余特征以SU值进行特征降序排序；

初始化种群，计算不同个体的个体长度，并计算各个个体的适应度值，更新全局最优解；

进行迭代进化，对整个种群进行选择、交叉、变异；对种群部分个体进行长度改变；更新全局极值，产生下一代个体；对种群部分个体进行局部搜索；

达到迭代终止条件时，迭代终止，返回最优特征子集，用返回的最优的特征子集检验测试集的分类准确率。

2.如权利要求1所述变长表示的高维数据特征选择方法，其特征在于，所述特征的对称不确定性SU计算公式如下：

IG(F|C)＝H(F)-H(F|C)；

其中，H(F)和H(F|C)分别为特征F的信息熵和条件熵。

3.如权利要求1所述变长表示的高维数据特征选择方法，其特征在于，所述最不相关的特征即为对称不确定性SU值为0的特征。

4.如权利要求1所述变长表示的高维数据特征选择方法，其特征在于，所述不同个体的个体长度计算公式如下：

其中，i为个体序号，popsize为种群大小，Len_F为移除特征后的数据特征数。

5.如权利要求1所述变长表示的高维数据特征选择方法，其特征在于，所述对整个种群进行选择包括：使用锦标赛法选择优良个体：随机从种群挑选几个个体，比较挑选的个体的适应度取值，取值最高的个体被选择，可参与后续的交叉、变异。

6.如权利要求1所述变长表示的高维数据特征选择方法，其特征在于，所述对整个种群进行交叉包括：随机产生一个交叉点，如果产生的交叉点小于较短个体的长度，则交叉产生两个较短个体；如果产生的交叉点大于较短个体的长度，则先延长短长度的个体，再对两个个体交叉产生两个长长度的个体；

所述对整个种群进行变异包括：对部分个体进行变异，变异随机翻转个体某些维度上的取值，如果该维度上取值为1，则翻转为0，令该特征由选择变为未选中；如果该维度上取值为0，则翻转为1，令该特征由未选择变为选；

所述对种群部分个体进行长度改变包括：延长或者缩短种群个体的长度；

所述对种群部分个体进行局部搜索包括：每次翻转部分特征，从已选择的特征中移除冗余特征，再从未选择的特征中加入一些相关特征，进一步优化特征子集；

所述迭代终止条件为迭代次数达到一定阈值。

7.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：

计算所有特征的对称不确定性SU，移除部分最不相关的特征，并对剩余特征以SU值进行特征降序排序；

初始化种群，计算不同个体的个体长度，并计算各个个体的适应度值，更新全局最优解；

进行迭代进化，对整个种群进行选择、交叉、变异；对种群部分个体进行长度改变；更新全局极值，产生下一代个体；对种群部分个体进行局部搜索；

达到迭代终止条件时，迭代终止，返回最优特征子集，用返回的最优的特征子集检验测试集的分类准确率。

8.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：

计算所有特征的对称不确定性SU，移除部分最不相关的特征，并对剩余特征以SU值进行特征降序排序；

初始化种群，计算不同个体的个体长度，并计算各个个体的适应度值，更新全局最优解；

进行迭代进化，对整个种群进行选择、交叉、变异；对种群部分个体进行长度改变；更新全局极值，产生下一代个体；对种群部分个体进行局部搜索；

达到迭代终止条件时，迭代终止，返回最优特征子集，用返回的最优的特征子集检验测试集的分类准确率。