使用遗传算法的间接特征向量选取方法

李志伟

摘 要： 遗传算法目前在特征向量选取中扮演着重要角色。由于其具有并行、自适应强等诸多优点，广泛受到多个领域的关注。本文首先对遗传算法、谱聚类等基础知识进行概述，其次介绍遗传算法的三个重要过程遗传、变异及交叉算子。最后给出遗传算法进行特征选择的步骤。为研究谱聚类算法中，使用遗传算法进行特征选择提供学习参考。

关键词： 谱聚类 特征向量选择 遗传算法

1.简介

目前特征选择方法有很多，如模拟退火算法、遗传算法等。其中，遗传算法作为一种组合的优化算法，不是对单个特征进行优劣划分，而是对一个可能特征子集进行考核评价，能够保证所选特征子集的组合达到最优，省去各特征之间的相关性这一繁琐工作；另外，遗传算法具有并行性、自适应性、领域无关性等诸多特点，能够很好地处理高维的特征集。故而遗传算法可有效应用于特征选择中，在很多领域都得到成功应用。

谱聚类中前K个最大的特征向量并不总能检测得出真实的模式识别问题的数据结构。所以，特征向量的选取变得很有必要。特征向量选取方式有许多种，如基于熵排列的方法、使用遗传算法的特征向量选取方法和多套特征向量选取方法等。而特征向量排列列表中有两种选择策略。一是在排列列表中直接选取前K个特征向量，且这K个特征向量是谱聚类中最重要的特征向量。第二种特征向量选取策略是在排列列表中的前Km（Km>K）的特征向量中寻找合适的特征向量组合。……