[卢阳的文献综述[卢阳文献综述.doc

燕 山 大 学 本科毕业设计（论文）文献综述 课题名称： 基于粒子群优化的特征选择的研究 学院（系）： 信息科学与工程学院 年级专业： 08级通信4班 学生姓名： 卢 阳 指导教师： 孙洁娣 完成日期：  课题国内外现状 目前由于科技水平的发展，信息获取技术的不断提高，特别是多传感器的应用，能够获取的信息数据量越来越大，特征维数与越来越高，尽管这可以使信息更充分，但也在另一反面对分类器的设计提出了跟搞的要求，同时特征中冗余和无效的部分也会相应的增多。而作为数据预处理的特征选择技术可以提高系统的精度、速度和可理解性。特征选择就是为了筛选出那些对于分类来说最相关的特征，去掉冗余和无效特征。特征选择在原有的特征集合中选择一个子集，让分类器在所有的特征上进行分类。一个合适有效的特征选择算法可以子啊数据与处理阶段去点数据中的冗余，有噪声的部分的同时，降低特征的维数，减少建立模型的训练时间，提高分类器正确率。 自1980年代以来，用于特征选择中优化特征自己的优化算法接踵而来。如遗传算法，模拟退火，混沌，人工神经网络等。各种算法在不同的理论分析方面及应用领域，各有千秋。粒子群算法是属于智能领域，除了蚁群优化算法以外的另一种群体智能算法。 粒子群优化算法最早成功的应用就是在神经网络的训练领域。在神经网络的训练中，主要包含三个方面：网络连接权重、网络拓扑结构、学习算法。每个粒子包含神经网络的所有参数，通过迭代来优化这些参数，从而达到训练的目的。与BP算法相比，使用PSO算法训练神经网络的优点在于不需要梯度信息，可使用一些不可维的传递函数。多数情况下其训练结果优于BP算法，而且训练速度非常长快。 粒子群优化算法最直接的应用就是多元函数的优化问题，包括带约束的优化问题。通常这些函数都是非常复杂的，主要表现为规模大、维数高、非线性和不可微等特点，而且有的函数存在大量局部极值。许多??统的确定性优化算法收敛速度较快，计算精度高，但对初值敏感，易陷入局部最小。而一些具有全局性的优化算法，如遗传算法、模拟退货算法、金华规划等，受限于各自的机理和单一结构，对于高维函数难以实现高效优化。PSO算法通过改进或结合其他算法，对高位复杂函数可以实现高效优化。 二、研究主要成果 特征选择问题自20世纪70年代以来已经得到了非常系统的发展。已有不少学者对特征选择进行综述，比较突出的有Siedlecki和Sklansky(1998)等人讨论了如何来评价一个特征选择算法。Doak，Jain研究了有哪些信誉好的足球投注网站的起点、方向、策略等问题，还研究了评价特征子集，即评价标准的问题。1997年新加坡国立大学的M.Dash和H.Liu对以前的特征选择方法进行了总结。 粒子群优化算法的发展始于1995年Eberhart和Kennedy提出的基本粒子群算法。经过近20年的发展，已经得到相关领域众多学者的关注和研究，成为国际进化研究界研究的热点，且已在许多科学和工程领域得到应用.目前，粒子群算法出现了两种不同的改进方向：一种是对粒子群算法的参数改进；另一种是与其他智能算法进行有机结合，形成混合粒子群算法。 （1）算法参数的改进。粒子群算法的优点在于所需调整的参数很少，但是这些关键参数的设置对算法的精度和效率却存在显著影响。 Shi等提出了惯性因子w线性递减的改进算法，使算法在有哪些信誉好的足球投注网站初期具有较大的有哪些信誉好的足球投注网站能力，而在后期又能够获得较精确的结果，此改进大大提高了基本PSO算法的全局优化效果。2001年Shi和Eberhart又提出额自适应模糊调节w的PSO，该算法在迭代初期探索能力较强，可不断探索新的区域，使得算法可以在可能最优解周围仔细有哪些信誉好的足球投注网站，在对单峰函数的处理中获得了良好的效果。El.Gallad等人针对算法中的种群规模、迭代次数和粒子速度这三个参数的选择方法进行详细分析，利用统计实验方法对优化问题的求解论证了这三个参数对算法性能的基本影响，并提出参数之间所要遵循的统一原则。除此之外，我国也有许多学者进行了相关的研究。如胡旺博士等人证明了粒子的进化过程与其速度没有直接的数学特性。 （2）与其他智能算法结合。Angeline于1998年提出采用进化计算中的选择操作的改进型离子群算法模型，成为混合离子群算法。在其模型中，将每次迭代产生的新的粒子群根据适应函数进行选择，用适应度高的一半微粒的位置和速度取代适应度低的一半微粒的位置和速度，并保持后者个体极值不变。Angeline的算法提高了收敛速度并保持了一定的全局收敛能力，在大多数的函数优化结果上比粒子群算法更好。借鉴遗传算法的