导读:本文包含了特征子集选择论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:特征,子集,算法,向量,微粒,数据挖掘,粒子。
特征子集选择论文文献综述
谢宇,王庆龙,赵春霞[1]（2018）在《基于群搜索优化的特征子集选择》一文中研究指出在数据挖掘、机器学习、人工智能等领域中,常常需要从数据集的原始特征中选择出一些有效特征来降低数据集的维度。本文提出使用群搜索优化的方法来进行特征子集的选择。群搜索优化是一种受生物觅食行为启发的智能优化算法,该算法利用种群内部各成员之间进行的信息共享以及相互之间的分工协作来增加群体搜索到资源的概率。实验结果表明,相对于其它启发式算法,群搜索优化算法在特征子集选择中具有明显优势。(本文来源于《吉林工程技术师范学院学报》期刊2018年08期）
胡滢[2]（2017）在《试论用于特征子集选择的异步并行微粒群优化方法》一文中研究指出特征子集的选择是数据挖掘与模式分类的重要方法.本文主要从微粒编码、比较微粒适应值、更新微粒引导者、一致混沌变异和计算步骤五个方面对用于特征子集选择的异步并行微粒群优化方法进行分析,通过实验比对,可以发现这种方法具有良好的效果.(本文来源于《赤峰学院学报(自然科学版)》期刊2017年19期）
赵星涛,白瑞杰,王强,任长山[3]（2015）在《高光谱影像特征子集选择方法》一文中研究指出针对高维遥感数据的降维困难问题,该文提出并构建了一种融合粒子群优化算法全局寻优能力和支持向量机优秀分类性能的高光谱遥感影像特征子集选择与分类方法。通过引入混沌优化搜索技术改进融合粒子群优化算法的全局寻优能力;提出并采用一种基于粒度的网格搜索策略对支持向量机模型参数进行优化;利用二进制融合粒子群优化算法进行特征选择;然后,支持向量机采用该特征子集所对应的训练数据集进行模型参数优化和分类。实验结果表明该方法能有效地提取出用于分类的最佳波段,具有较高的分类精度。为高光谱遥感影像的特征选择与分类探索出了一种可行的方法。(本文来源于《测绘科学》期刊2015年08期）
孔莉芳,张虹[4]（2012）在《用于特征子集选择的异步并行微粒群优化方法》一文中研究指出针对大量无关或冗余的特征通常会降低模式分类中分类器性能的问题,提出一种基于异步并行微粒群优化的特征子集选择方法(AP-PSO).该方法采用二进制微粒群优化搜索特征子集,利用异步并行方式提高算法的运算效率;为有效协调种群的全局探索和局部开发能力,充分利用混沌运动的遍历性和随机性,提出一种一致混沌变异算子.与已知4种特征子集选择方法进行比较,所得结果验证了该算法的有效性.(本文来源于《控制与决策》期刊2012年07期）
余民杰,王双成,杜瑞杰[5]（2012）在《动态朴素贝叶斯网络分类器的特征子集选择》一文中研究指出分类准确性是分类器最重要的性能指标,特征子集选择是提高分类器分类准确性的一种有效方法。现有的特征子集选择方法主要针对静态分类器,缺少动态分类器特征子集选择方面的研究。首先给出具有连续属性的动态朴素贝叶斯网络分类器和动态分类准确性评价标准,在此基础上建立动态朴素贝叶斯网络分类器的特征子集选择方法,并使用真实宏观经济时序数据进行实验与分析。(本文来源于《计算机应用与软件》期刊2012年02期）
叶吉祥,龚希龄[6]（2010）在《一种快速的Wrapper式特征子集选择新方法》一文中研究指出Wrapper式特征选择方法需要耗费大量时间,为此提出了一种快速的Wrapper式特征选择新方法(Fast Feature Subset Ranking,简称FFSR).与以单个特征作为评价单位的传统方法不同,FFSR算法以特征子集作为评价单位,以子集收敛能力作为评价标准.FFSR算法从收敛速度和收敛极值两个方面对收敛能力进行分析,并利用Sequential Floating Forward Selection(简称SFFS)算法构造和评价快速收敛的子集.FFSR算法选择的特征子集能力接近SFFS算法,但所需时间较SFFS算法大幅度减少.(本文来源于《长沙理工大学学报(自然科学版)》期刊2010年04期）
郝艳友,迟忠先,李克秋,张永[7]（2008）在《基于IGA的支持向量机特征子集选择和参数优化》一文中研究指出特征子集选择和训练参数的优化一直是SVM研究中的两个重要方面,选择合适的特征和合理的训练参数可以提高SVM分类器的性能,以往的研究是将两个问题分别进行解决。随着遗传优化等自然计算技术在人工智能领域的应用,开始出现特征选择及参数的同时优化研究。研究采用免疫遗传算法(IGA)对特征选择及SVM参数的同时优化,提出了一种IGA-SVM算法。实验表明,该方法可找出合适的特征子集及SVM参数,并取得较好的分类效果,证明算法的有效性。(本文来源于《计算机工程与应用》期刊2008年22期）
贺兴时,于洁琼,李丽丽[8]（2008）在《基于互信息的特征子集选择》一文中研究指出通过互信息的思想提出一个新的评价函数来评价属性之间的相关性,并结合LV算法进行特征子集选择.结果表明,该方法对分类问题效果明显.(本文来源于《西安工程大学学报》期刊2008年03期）
郭文忠,陈国龙,陈庆良,余轮[9]（2008）在《基于粒子群优化算法和相关性分析的特征子集选择》一文中研究指出特征选择是模式识别与数据挖掘等领域的重要问题之一。针对此问题,提出了基于离散粒子群和相关性分析的特征子集选择算法,算法中采用过滤模式的特征选择方法,通过分析网络入侵数据中所有特征之间的相关性,利用离散粒子群算法在所有特征的空间里优化搜索,自动选择有效的特征子集以降低数据维度。1999KDD Cup Data中IDS数据集的实验结果表明了提出算法的有效性。(本文来源于《计算机科学》期刊2008年02期）
武志峰[10]（2007）在《一种基于差异演化的特征子集选择算法》一文中研究指出特征子集选择问题一直是人工智能领域研究的重要内容。特征子集选择算法研究是机器学习和数据挖掘等领域的研究热点。提出了基于差异演化算法的特征子集选择算法,实验证明该算法是简单、正确、有效的,并具有良好的收敛性和稳定性。(本文来源于《信息技术》期刊2007年04期）
特征子集选择论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
特征子集的选择是数据挖掘与模式分类的重要方法.本文主要从微粒编码、比较微粒适应值、更新微粒引导者、一致混沌变异和计算步骤五个方面对用于特征子集选择的异步并行微粒群优化方法进行分析,通过实验比对,可以发现这种方法具有良好的效果.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
特征子集选择论文参考文献
[1].谢宇,王庆龙,赵春霞.基于群搜索优化的特征子集选择[J].吉林工程技术师范学院学报.2018
[2].胡滢.试论用于特征子集选择的异步并行微粒群优化方法[J].赤峰学院学报(自然科学版).2017
[3].赵星涛,白瑞杰,王强,任长山.高光谱影像特征子集选择方法[J].测绘科学.2015
[4].孔莉芳,张虹.用于特征子集选择的异步并行微粒群优化方法[J].控制与决策.2012
[5].余民杰,王双成,杜瑞杰.动态朴素贝叶斯网络分类器的特征子集选择[J].计算机应用与软件.2012
[6].叶吉祥,龚希龄.一种快速的Wrapper式特征子集选择新方法[J].长沙理工大学学报(自然科学版).2010
[7].郝艳友,迟忠先,李克秋,张永.基于IGA的支持向量机特征子集选择和参数优化[J].计算机工程与应用.2008
[8].贺兴时,于洁琼,李丽丽.基于互信息的特征子集选择[J].西安工程大学学报.2008
[9].郭文忠,陈国龙,陈庆良,余轮.基于粒子群优化算法和相关性分析的特征子集选择[J].计算机科学.2008
[10].武志峰.一种基于差异演化的特征子集选择算法[J].信息技术.2007
论文知识图
