基于混沌遗传算法的SVM特征和参数优化

合集下载

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

用反三角函数Ｌｇｓｃ映射产生优化变量，对优化变量进行ｏｉｉｔ
其自身的规律不重复地遍历所有状态。经常与其他进化算法
结合使用，用于遗传算法中以设计和保持演化群体的多样性。
遗传搜索，实现ＳＭ参数的优化。Ｖ
另外，样本特征子集的选择也很重要。原始样本特征集
文献［】３利用高光谱数据集进行一系列分类算法分析后，得出
其中，０ｌ；是迭代次数，ｋｌ，是控制参量， ≤Ｘ≤ｌ＝， …；２
当ｐ４时系统完全处于混沌状态，此时Ｘ在【，】＝０１的范围内
变化。
特征的增加对ＳＭ分类置信度按显著性水平５Ｖ％减少。文
ＳＶＭａｕｅａｄＰａａｅｅｔｍｉａｉｎＦｅｔｒｎｒｍｔｒ０ｐｉｚｔｏＢａｅｎＣｈａｔｃＧｅｅｉｇｒｔｍｓｄ０ｏｉｎｔＡｌｏｉｈｃ
ＤＵＺｈａｌｎｇ，ＴＡＮｓｎ－ｏＹｅ－ｈｕａｎｇ，ＧＡＮｎｇＴｏ
ｄｎａｉｒｄｃｎｅｒｈｎｓｃｉｙｍｃｅｕｉｇｓａｃｉｇｐａｅｓｅｏｕｔｒｏｔｍｉａｉｎｕｓｄｆｒｆｒｈｅｐｉｚｔｏ．Ｔｈｓｉｍｅｈｄｉａｐｉｄｏｆｕｔｃａｓｆｅｏｉａｉｎｏｔｍｉａｉｎｆｔｏｓｐｌｅｔａｌｌｓｉｒｃｍｂｎｔｐｉｚｔｏｏｉｏ
现有很多优化ＳＭ参数的方法。文献［］出了一种采用改Ｖ１提
２基于变尺度混沌遗传算法的联合优化
２１混沌运动．混沌是自然界广泛存在的一种非线性现象，具有随机性、遍历性和初始条件敏感性等特点，在一定范围内能够按
进的人工鱼群算法实现ＳＭ参数的优化。文献【】出了采Ｖ２提
少，文献ｆＪ出采用免疫多向二进制粒子群算法实现特征子５提集选取和ＳＭ参数的共同优化，但其搜索区间固定不变，Ｖ使得参数的搜索精度较低。针对上述情况，本文提出了将特
征选择和参数选择进行联合优化的方法，该方法基于变尺度的混沌遗传算法，将混沌运动的遍历性和遗传算法的高效并行计算能力相结合，并随着寻优次数的增长动态缩减寻优区间，克服了传统寻优方法存在早熟收敛、非全局收敛以及后期收敛速度慢的弱点。
第３８卷第５期
Ｖ＿．８Ｏ３１
・
计
算
机
工
程
２１０２年３月
Ｍａｃ２２ｒｈ０１
Ｎｏ．５
ＣｏｍｐｕｅｇｎｅｉｇｔｒＥｎｉｅｒｎ
人工智能及识别技术・
￣ｌｔｑｔ０ｏ４８０２５６一ｌｌ＂１０＿３（１） — １４文ｌ２２０献标识Ａ码：
上相互影响，对于特征选择或参数选择的单一优化均无法充分发挥ＳＭ的分类潜能。目前关于联合优化的研究相对较Ｖ

程
２１０２年３月５日
的特征子集选择和ＳＭ的参数编在同一个染色体中，设ＶＰ。ｃ－ｕｌ一，，一ｆ产｛６－１ｔ，［２，￣２Ｇ，】２ｆｌ２为第ｔ的一个染色代体，ｆ１一“为特征子集选择位串，（，，ｖ为惩罚ｎ（，２）１ …，）２参数位串，Ｏ（，，）－１ …ｗ为核参数位串，６ｆ＂０１ｉ２ｃｆｉ／。特征，Ｏ＝
２ＮａｏａＡｓｏｏｃｌｂｅｖｔｒ，ａｕｔＵｎｖｒｉｆｈｎｓｃｄｍｙｏｃｅｃｓＢｉｎ０００Ｃｈｎ）．ｔｎｌｔｎｍｉａＯｓｒａｏｙＧｒｄａｅｉｅｓｙｏｉｅｅａｅｆｉｎｅ，ｅｉｇ１００，ｉａｉｒｔＣＡＳｊ
常用的一维ｌｇｓｃｏｉｉ映射为：ｔ ’
ｘ＋＝Ｐｘ（～）ｋｌｋ１（）１
中不可避免地存在着一些与故障诊断不相关的特征和与其他特征相冗余的特征，从而增加了故障诊断的计算量，降低故障诊断的精度。因此，对原始样本特征集必须进行优化选择。
（）５
其，。｛中？＝
无效操作的可能性就愈小。
２个体间配对概率）
。
事实上，ｒ，）（曰表示Ａ和Ｂ之间不同基因的数目，ｒ曰Ａ（）Ａ，愈大，表明Ａ和Ｂ的相关性愈小，Ａ和Ｂ进行交叉时出现对
染色体译码是指将寻优后的二进制位串转换成具体解空间的值。特征子集选择位串中数值为１的位置代表选中相应特征作为故障诊断训练样本。Ｃ和ｙ参数位串的解码方式相
近年来，基于支持向量机（ｕｐｒＶｃｏｃｉｅＳＳｐｏｔｅｔｒｈｎ，ＶＭ）Ｍａ的诊断方法得到了广泛的关注。Ｖ基于结构风险最小化原ＳＭ则，可以在有限样本的基础上取得良好的分类效果。故障分类器的性能与ＳＭ的核参数和误差惩罚参数有很大关系。Ｖ
ｆ＝１
子集选择位串位数长度Ｕ等于特征的个数，每一位代表一个特征，每位上的１表示选中该特征，０则表示不选中。参数位串位数长度ｖＷ由参数搜索精度决定。以惩罚参数位串和
为例，设惩罚参数Ｃ的搜索范围是１１，用ｖ位二进制编，］ｂ码，则Ｃ的搜索精度为（ｎ）一１２。本文中参数位串位数长度／ｖ和Ｗ均取１。６位
中图分类号：Ｔ２３Ｐ７
基于混沌遗传算法的ＳＭ特征和参数优化Ｖ
杜占龙，谭业双，甘彤
（．１军械工程学院光学与电子工程系，石家庄０００；２中国科学院研究生院国家天文台，北京１００）５０３．０００
摘
要：为解决支持向量机（Ｖ分类器的样本特征选择和参数优化问题，提出一种将特征选择和参数选择进行联合优化的方法。基于变ＳＭ）
ｓｏｒｗａｅｃｎｒｌｅｕｐｎ．ｐｒｍｅｔｌｅｕｔｓｅｓｅｆｃｉｅｅｓｏｎｉｇｏｔｍａｏｕｉｎｏｅｐｒｐｓｄａｐｏｃ．ｈｔｖ — ｏｔｏ — ｑｉｍｅｔＥｘｅｉｎａｓｌｓａｓｓｆｅｔｎｓｎｆｄｎｐｉｌｌｔｆｔｏｏｅｐｒａｈｒｖｉｓｏｈ
［ｙｗｒｓＳｐｏｅｔｒｃｉｅＳＫｅｏｄ］ｕｐｒＶｃｈｎ（ＶＭ）ｃａｔｅｅｉａｇｒｈｆａｒｅｃｉｎｐａｔｐｉｚｔｎｆｕｔｉｇｏｉ；ｔｉｅｓａｅｔｏＭａ；ｈｏｉｇｎｔｌｏｉｍ；ｅｔｅｓｌｔ；ａｍｅｅｏｔａｏ；ａｌｄａｎｓｍｕａｖｌｃｃｔｕｅｏｒｒｍｉｉｓｔｃＤＯｈ１．６￣ｉｓ．００３２．０２５０００３９．ｎ１０ —４Ｒ１．．５９ｓ２０
尺度的混沌遗传算法，联合优化染色体编、译码，利用混沌的遍历性产生初始种群，改进遗传算法中的交叉算子，动态缩减寻优区问。将
该方法应用于短波通信控制器的诊断分类器中，以实现分类器特征子集选取和参数的联合优化，结果表明该方法具有较强的寻优能力。关健词：支持向量机；混沌遗传算法；特征选取；参数优化；故障诊断；变尺度
（．ｐｒｎｆｔｓｎｌｔｎｃＥｇｎｅｉｇＯｒｎｎｅｎｉｅｒｎｏｌｇ，ｈｉｚｕｎ５０３Ｃｉａ１ＤｅａｍｅｔｉｄＥｅｒｉｎｉｅｒ，ｄａｃｇｎｅｉｇＣｌｅＳｉａｈａｇ０００，ｈｎ；ｔｏＯｐｃａｃｏｎＥｅｊ
献［］４利用遗传算法和最小二乘支持向量机的Ｗｒｐｅ方法选ａｐｒ择最优特征子集。
２２染色体的编译码．染色体编码是指将寻优问题的解空间转换成寻优方法所能处理的搜索空间。本文使用二进制编码形式。将故障样本
作者简介：杜占龙（８－）男，１６，９硕士研究生，主研方向：通信装备
１概述
将某型短波通信控制器应用于短波通信网的管理和控制
中，此类设备中各模块单元的电路板结构复杂，耦合程度高，其故障呈现出复杂化的特点。研究此类设备的故障诊断，不
仅可以提高此类设备的维修保障水平、节约维修时间，而且能够提高整个短波通信网的工作稳定性。
故障诊断，性能测试；谭业双，副教授；甘收稿日期：０１８１２１— —１０彤，硕士研究生Ｅｍａ：ｍｓ１０ｏ．ｍ・ｉｙｋ１＠ｔｃｌｙｍｏ
上述方法大部分仅对特征子集选取或对ＳＶＭ参数进行优化。实际上，特征选择与参数选择在提高ＳＶＭ分类性能
同，以惩罚参数位串映射到解空间为例，表达式为：
ｃｍｂｉａｉｎｏｔｍｉａｉｎｆｒｆａｕｅｓｌｃｉｎａａｅｅｓｐｅｅｔｄｂｓｄｏｈａｔｅｅｉｌｏｉｍｆｍｕａｉｅｓａｅＴｈｔｏｆｏｎｔｏｐｉｚｔｏｏｅｔｒｅｅｔｏｎａｄｐｒｍｔｒｉｒｓｎｅａｅｎｃｏｉｇｎｔｃａｇｒｔｃｈｏｔｔｖｃｌ．ｅｍｅｈｄｏｃｒｍｏｏｏｉｇａｄｄｃｄｎｓｐｅｅｅＩｉａｉａｉｎｐｐｌｔｎｉｐｒｄｃｄｂｓｎｈｏｓｅｇｄｃｔ，ｍｏｆｅｒｓｏｅｐｒｔｒａｄｈｏｓｍｅｃｄｎｅｏｉｇｉｒｓｎｔｄ．ｎｔｌｔｏｕａｉｓｏｕｅｙｕｉｇｃａｒｏｉｉＡｄｉｄｃｏｓｖｒｏｅａｏｎｎｉｚｏｏｙｉ
相似程度。考虑二进制编码的情况，２设个个体Ａ｛１２＝ｄ，，ａ …，ａ｝曰｛１２ｂ｝和＝，，，其中，ａ， ∈｛，】＝，，ｎｂ …，ｉ０１，ｉ１ …，。ｂ２个体Ａ、Ｂ之间不相关指数为Ｊ：
ｒＡ曰）Ｅｌ（，＝ｎ０ｂ
［ｓｒｃ］ＡｉｎｔｅｔｒｅｅｔｎａｄｐｒｍｅｅｐｉｚｔｎｐｏｌｍｆｃａｓｆｒａｅｎＳｐｏｅｔｒｃｉｅＳＡｂｔａｔｍｉｇａａｕｅｓｌｃｉｎａａｔｏｔａｉｒｂｅｏｌｓｉｅｓｄｏｕｐｒＶｃｏｈｎ（ＶＭ）ｏｅｋｎｆｆｏｒｍｉｏｉｂｔＭａ，ｎｉｄｏ