[发明专利]协同演化算法优化的支持向量机湿地遥感分类方法

摘要

一种协同演化算法优化的支持向量机湿地遥感分类方法，属于遥感技术领域。所述方法包括以下步骤1、个体编码方式；2、计算个体适应度函数；3、PSO‑GA协同演化算法(1)初始化种群及参数；(2)PSO演化策略；(3)GA演化策略；(4)选择子代；(5)更新策略的选择概率。本文采用PSO‑GA协同演化算法对SVM模型参数进行优化选择，该算法结合PSO和GA，以获得最优化参数和高精度分类为设计方案，对演化策略进行概率选择。两种演化计算方式的结合，既保证全局搜索能力以防止陷入局部最优，又提升演化速度。

主权项

一种协同演化算法优化的支持向量机湿地遥感分类方法，其特征在于：所述方法步骤如下：一、个体编码方式由于SVM分类器的两个调节参数为实数，所以采用实数编码方法；其中，每个个体用如下的向量表示：Indi=[σi2,Ci]σi2>0Ci≥0---(1)]]>上式(1)中，Indi表示不定因子个体；依据此编码方式，则将核函数参数优化问题转换为寻找最佳个体的问题；二、计算个体适应度函数选择分类识别精度作为计算个体的适应度函数；适应度函数如下：f(x)＝Max(precision)＝Max(TP/(TP+FP))  (2)上式(2)中，precision表示预测精度；其中TP为被正确地划分为正例的个数，FP为被错误地划分为正例的个数；三、PSO‑GA协同演化算法(1)初始化种群及参数设N为种群规模，迭代次数G，GA交叉概率变异概率为PSO中的调和因子λ1和λ2，最小扰动因子γ1和最大惯性扰动因子γ2，适应度函数为f，随机产生由N个个体组成的初始种群，每一个个体表示为一个二元组向量演化策略的选择概率μ(1)＝(μ(1)(PSO),μ(1)(GA))，初始时为每个演化策略分配一个相同的概率；在第k代开始时，PSO‑GA协同演化算法根据策略选择概率μ(k)选择本代的演化策略；(2)PSO演化策略PSO‑GA所使用的PSO演化策略在搜索空间Ω内采用群体的最优位置gi和个体的历史最优位置pi来调控粒子当前速度；按照公式(3)产生k+1代候选解X'(K+1)；(vi′)(k+1)=ωvi(k+1)+λ1γ1pik+λ2γ2gikX′(K+1)=XK+(vi′)(k+1)---(3)]]>上式(3)中，ω表示超平面的法向量、vi表示速度、vi'为下一时刻速度；(3)GA演化策略PSO‑GA所使用的GA演化策略要解决的优化问题定义为:Maximumf(x)Subjecttox∈Ω---(4)]]>式中，f是实值函数，X＝{x1,x2,...,xm}T为在RN空间内变量集，其中X为式(4)中x的最优解集合，Ω为所有可行解集合，其中σ2∈[0.01,50],C∈[1,1000]；(4)选择子代在第K代演化结束后，从|XK∪X′(k+1)|个个体中，采用基于转盘式选择思想，选择N个个体构成最终子代X(k+1)；具体做法是：以个体的相对适应值作为该个体在下一代中存活的概率，并使每个个体都有机会根据其相对适应值而被选中；实施该策略的步骤如下:步骤一：顺序累计种群中各个体适应度值fi，得到适应度的累加值步骤二：计算各个体被选中的概率Pi＝fi/Sn；步骤三：累计Pi，求得累计概率步骤四：产生[0，1]内的均匀分布的随机数r，若满足gi‑1＜r≤gi，则选择个体i；步骤五：反复执行步骤四，直到产生的个体数目等于种群规模；(5)更新策略的选择概率第K代演化结束后，根据X(k+1)中每个子代个体及其对应父代个体XK，对μ(k)进行如下更新；针对X(k+1)代中个体，如果是来自于父代的演化，说明第K代使用的演化策略为当前的优势策略；为促使演化过程尽快收敛，应提高该演化策略h的选择概率μ(k)(h)，同时降低其他演化策略l的选择概率μ(k)(l)，并确保μ(k)(h)+μ(k)(l)＝1。