基于隨機(jī)搜索策略的特征選擇算法研究.pdf

1、生物科學(xué)技術(shù)的快速發(fā)展，產(chǎn)生了海量復(fù)雜的生物數(shù)據(jù)；同時(shí)生物信息數(shù)據(jù)特征維數(shù)通常會(huì)比較高。高維、復(fù)雜的生物數(shù)據(jù)的分析處理需求促進(jìn)了數(shù)據(jù)挖掘、統(tǒng)計(jì)分析等方法的高速發(fā)展。生物信息數(shù)據(jù)中經(jīng)常包含噪音變量和無(wú)關(guān)特征，從復(fù)雜的高維生物數(shù)據(jù)中挖掘出富含信息的特征，濾除噪音，對(duì)探究生物問(wèn)題的本質(zhì)具有重要的意義。在數(shù)據(jù)挖掘技術(shù)中，特征選擇技術(shù)是一種有效的高維數(shù)據(jù)的降維方法，近些年已經(jīng)被廣泛地應(yīng)用到生物信息數(shù)據(jù)的分析處理當(dāng)中。
　　本文提出的改進(jìn)的基

2、于職業(yè)網(wǎng)球選手排名的特征選擇算法（Modified Professional Tennis Player Ranking，MPTPR）是一種基于隨機(jī)搜索的特征選擇算法，它是在基于職業(yè)網(wǎng)球選手排名的特征選擇算法（Professional Tennis Player Ranking，PTPR）基礎(chǔ)上，結(jié)合了輪盤賭算法。PTPR算法分別從種子集和非種子集中以等概率抽取特征，而MPTPR算法分別在種子集和非種子集中加入了輪盤賭機(jī)制，使得兩個(gè)集合

3、中得分相對(duì)較高的特征有較高的概率被抽取參與下一輪的評(píng)價(jià)。本文在8個(gè)公共數(shù)據(jù)集上將該算法與原始的算法進(jìn)行比較，實(shí)驗(yàn)結(jié)果表明在大部分?jǐn)?shù)據(jù)集上，MPTPR算法得到特征的分類性能要優(yōu)于PTPR算法得到的特征。
　　一種基于對(duì)稱不確定性和 k近鄰分類器結(jié)合的特征選擇算法（Symmetrical Uncertainty-k Nearest Neighbor，SU-KNN）也是基于隨機(jī)搜索策略的特征選擇算法。該算法首先從特征集合中隨機(jī)抽取多個(gè)特

4、征子集，對(duì)于每個(gè)特征子集，使用 kNN分類器得到的準(zhǔn)確率作為評(píng)價(jià)指標(biāo)對(duì)特征子集進(jìn)行前向搜索，保留搜索過(guò)程中準(zhǔn)確率最高的特征子集，計(jì)算特征在所有搜索到的子集上的平均準(zhǔn)確率得分，結(jié)合其對(duì)稱不確定性對(duì)特征進(jìn)行綜合的評(píng)價(jià)。本文在8個(gè)公共數(shù)據(jù)集上對(duì)該算法的性能進(jìn)行測(cè)試，結(jié)果表明在大部分?jǐn)?shù)據(jù)集上，SU-KNN算法得到特征的分類能力要優(yōu)于其他常用的Filter特征選擇方法所選出的特征。
　　本文提出的兩種特征選擇方法都基于隨機(jī)搜索策略，相比與S