一种数据质量模糊表示下多目标微粒群特征选择方法

摘要

本发明公开了一种适于特征质量模糊表示的多目标微粒群优化特征选择方法，步骤如下：(1)将问题建模为一个包含模糊信息的两目标优化问题，其中，分类器评价精度为精确目标函数，特征子集可靠性为模糊目标函数；(2)采用合适的编码策略，将上述具有离散变量的特征选择问题，转化为连续变量多目标优化问题；(3)利用改进的多目标微粒群优化算法对步骤2所确定的两个目标函数进行全局优化，得到问题的Pareto最优集；定义模糊概率支配关系和决策者容忍系数，更新算法的外部储备集。本发明充分发挥了微粒群优化算法收敛速度快、可调参数少、规则简单易实现的优势，用于处理性能指标为模糊数的特征选择问题，实例应用证明，本发明可以得到比传统方法更为丰富有效的解，因此，本发明为处理数值质量模糊表示的特征选择问题，提供了一条新的、可借鉴的思路。