基于進(jìn)化多目標(biāo)優(yōu)化的特征選擇方法研究.pdf

1、特征選擇和聚類算法是文本分類領(lǐng)域的兩個重要問題，特征集的大小與好壞決定了信息處理的速度和精度，聚類算法決定了文本分類結(jié)果的正確率。但是，當(dāng)前的特征選擇算法存在著需要預(yù)先設(shè)置閾值、對數(shù)據(jù)集中樣本分布過度依賴等問題。相應(yīng)地，特征選擇之后的聚類過程中，存在著需要固定聚類中心數(shù)目、忽略樣本隸屬程度和樣本對聚類影響等缺點(diǎn)。
　　 本文參考幾種經(jīng)典的特征選擇方法，同時鑒于多目標(biāo)優(yōu)化思想在尋找Pareto最優(yōu)解的優(yōu)勢，將粒子群多目標(biāo)優(yōu)化算法與

2、特征選擇算法相結(jié)合，提出一種基于進(jìn)化多目標(biāo)優(yōu)化的特征選擇方法--EMOO-FS算法。該算法對特征屬性進(jìn)行分析，選擇兩種分別在平衡數(shù)據(jù)集和非平衡數(shù)據(jù)集中表現(xiàn)較好的特征屬性，將兩種屬性進(jìn)行推導(dǎo)構(gòu)成多目標(biāo)優(yōu)化模型，最后使用進(jìn)化多目標(biāo)優(yōu)化的方法找到一組均衡的特征構(gòu)成特征子集，使得該子集可在樣本分布未知的情況下較好的代表樣本的實(shí)際情況。EMOO-FS算法突破了傳統(tǒng)算法僅僅針對一個特征屬性進(jìn)行篩選的手段，克服了對數(shù)據(jù)集的依賴。針對降維后的樣本集，在

3、文本聚類的過程中，本文既考慮到樣本對所在類別的隸屬度，又分析了樣本對聚類的一種影響程度。因此，本文提出了混合Fisher線性準(zhǔn)則思想的一種模糊的聚類算法--FDC。這種雙向的思考使得本文提出的FDC算法能夠克服對聚類中心數(shù)目的依賴，動態(tài)的生成聚類簇，公平的得到聚類結(jié)果。
　　 本文通過仿真實(shí)驗(yàn)，使用兩種數(shù)據(jù)集對EMOO-FS算法和IG、MI、CHI的F1測度和M1測度進(jìn)行比較。實(shí)驗(yàn)結(jié)果證明了該算法能夠在樣本分布未知的基礎(chǔ)上，找到