基于蚁群优化的特征选择新方法

叶志伟; 郑肇葆; 万幼川; 虞欣

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于蚁群优化的特征选择新方法

叶志伟, 郑肇葆, 万幼川, 虞欣

文章导航 > 武汉大学学报 ● 信息科学版 > 2007 > 32(12): 1127-1130

叶志伟, 郑肇葆, 万幼川, 虞欣. 基于蚁群优化的特征选择新方法[J]. 武汉大学学报 ● 信息科学版, 2007, 32(12): 1127-1130.

引用本文:

叶志伟, 郑肇葆, 万幼川, 虞欣. 基于蚁群优化的特征选择新方法[J]. 武汉大学学报 ● 信息科学版, 2007, 32(12): 1127-1130.

YE Zhiwei, ZHENG Zhaobao, WAN Youchuan, YU Xin. A Novel Approach for Feature Selection Based on Ant Colony Optimization Algorithm[J]. Geomatics and Information Science of Wuhan University, 2007, 32(12): 1127-1130.

Citation:

YE Zhiwei, ZHENG Zhaobao, WAN Youchuan, YU Xin. A Novel Approach for Feature Selection Based on Ant Colony Optimization Algorithm[J]. Geomatics and Information Science of Wuhan University, 2007, 32(12): 1127-1130.

基于蚁群优化的特征选择新方法

¹ 湖北工业大学计算机学院,武汉市李家墩1村,430068² 武汉大学遥感信息工程学院,武汉市珞喻路129号,430079

基金项目: 国家自然科学基金资助项目(40271094)

详细信息

作者简介:
叶志伟,讲师,博士,主要从事图像分析与解译及蚁群算法的应用研究。

中图分类号: P237.3

A Novel Approach for Feature Selection Based on Ant Colony Optimization Algorithm

¹ Shool of Computer Science,Hubei University of Technology,1 Lijiadun,Wuhan 430068,China¹ Shool of Remote Sensing and Information Engineering,Wuhan University,129 Luoyu Road,Wuhan 430079,China

Funds: 国家自然科学基金资助项目(40271094)

摘要: 利用蚁群优化算法解决特征选择问题,以获得能代表问题空间的较优特征子集,并能降低分类系统的搜索空间。以航空纹理影像的特征选择和分类问题为例,利用主分量变换和蚁群优化算法分别对原始纹理影像特征集合进行特征提取、选择和分类。结果表明,本文方法不仅能够降低图像特征空间维数,减少图像分类的工作量,而且还可以提高分类识别的正确率。
- 蚁群优化算法 /
- 特征选择 /
- 纹理分类 /
- 最优特征子集
Abstract: A novel approach is presented to solve feature subset selection based on ACO(ant colony optimization algorithm).The approach has the ability to accommodate multiple criteria such as accuracy and cost of classification into the process of feature selection and find the effective feature subset for texture classification.A classifier based on minimum distance is described to classify two types of texture images with feature subset selected by ACO and extracted by PCA(principal component analysis) respectively.Experimental result illustrates that the algorithm can reduce feature dimension,speed the classification of image and improve the recognition rate compared to PCA.
- ant colony optimization /
- feature selection /
- texture sification /
- optimal subset

[1]	韩波, 李衡, 王志波, 崔晓晖. 气溶胶光学厚度估测中的LASSO特征选择方法 . 武汉大学学报 ● 信息科学版, 2018, 43(4): 536-541. doi: 10.13203/j.whugis20160014
[2]	顾海燕, 闫利, 李海涛, 贾莹. 基于随机森林的地理要素面向对象自动解译方法 . 武汉大学学报 ● 信息科学版, 2016, 41(2): 228-234. doi: 10.13203/j.whugis20140102
[3]	王云艳, 何楚, 涂峰, 陈东, 廖明生. 特征选择双层svm的融合算法用于极化sar图像分类 . 武汉大学学报 ● 信息科学版, 2015, 40(9): 1157-1162. doi: 10.13203/j .whu g is20140351
[4]	李雪, 舒宁, 李井冈, 刘小利. 基于特征贡献选择的遥感影像变化检测方法研究 . 武汉大学学报 ● 信息科学版, 2013, 38(10): 1158-1162.
[5]	刘梦玲, 陈嘉宇, 孙洪. Joint Boost特征选择的SAR信息可视化技术研究 . 武汉大学学报 ● 信息科学版, 2012, 37(10): 1240-1243.
[6]	何楚, 刘明, 许连玉, 刘龙珠. 利用特征选择自适应决策树的层次SAR图像分类 . 武汉大学学报 ● 信息科学版, 2012, 37(1): 46-49.
[7]	余晓敏, 湛飞并, 廖明生, 胡金星. 利用改进SEaTH算法的面向对象分类特征选择方法 . 武汉大学学报 ● 信息科学版, 2012, 37(8): 921-924.
[8]	杨柳, 刘艳芳. 将微粒群和支持向量机用于耕地驱动因子选择的研究 . 武汉大学学报 ● 信息科学版, 2010, 35(2): 248-251.
[9]	李祖传, 马建文, 张睿, 李利伟. 利用融合纹理与形态特征进行地震倒塌房屋信息自动提取 . 武汉大学学报 ● 信息科学版, 2010, 35(4): 446-450.
[10]	李林宜, 李德仁. PSO-RBF应用于航空和卫星遥感影像的纹理分类 . 武汉大学学报 ● 信息科学版, 2009, 34(9): 1051-1054.
[11]	张睿, 马建文. 一种SVM-RFE高光谱数据特征选择算法 . 武汉大学学报 ● 信息科学版, 2009, 34(7): 834-837.
[12]	虞欣, 郑肇葆, 叶志伟, 田礼乔. 基于Tree Augmented Naive Bayes Classifier的影像纹理分类 . 武汉大学学报 ● 信息科学版, 2007, 32(4): 287-289.
[13]	虞欣, 郑肇葆, 汤凌, 叶志伟. 基于Naive Bayes Classifiers的航空影像纹理分类 . 武汉大学学报 ● 信息科学版, 2006, 31(2): 108-111.
[14]	金淑英, 李德仁, 龚健雅. 基于偏最小二乘回归的纹理特征线性组合 . 武汉大学学报 ● 信息科学版, 2006, 31(5): 399-402.
[15]	赵银娣, 张良培, 李平湘. 一种纹理特征融合分类算法 . 武汉大学学报 ● 信息科学版, 2006, 31(3): 278-281.
[16]	郑肇葆. 指派交叉——一种新的遗传交叉方法 . 武汉大学学报 ● 信息科学版, 2003, 28(3): 272-276.
[17]	徐芳, 燕琴. 基于支持向量机的航空影像纹理分类研究 . 武汉大学学报 ● 信息科学版, 2003, 28(5): 517-520.
[18]	郑肇葆, 郑宏. 用遗传算法确定马尔柯夫随机场的最佳参数 . 武汉大学学报 ● 信息科学版, 2000, 25(3): 221-225.
[19]	郑肇葆, 郑宏. 基于遗传算法的影像纹理分类 . 武汉大学学报 ● 信息科学版, 1998, 23(4): 337-339.
[20]	黄桂兰, 郑肇葆. 模糊聚类分析用于基于分形的影像纹理分类 . 武汉大学学报 ● 信息科学版, 1995, 20(2): 112-117.

点击查看大图

计量

文章访问数: 1032
HTML全文浏览量: 57
PDF下载量: 467
被引次数: 0

基于蚁群优化的特征选择新方法

¹ 湖北工业大学计算机学院,武汉市李家墩1村,430068² 武汉大学遥感信息工程学院,武汉市珞喻路129号,430079

基金项目: 国家自然科学基金资助项目(40271094)

作者简介:
叶志伟,讲师,博士,主要从事图像分析与解译及蚁群算法的应用研究。

收稿日期: 2007-10-14
修回日期: 2007-10-14
刊出日期: 2007-12-05

中图分类号: P237.3

关键词:

摘要: 利用蚁群优化算法解决特征选择问题,以获得能代表问题空间的较优特征子集,并能降低分类系统的搜索空间。以航空纹理影像的特征选择和分类问题为例,利用主分量变换和蚁群优化算法分别对原始纹理影像特征集合进行特征提取、选择和分类。结果表明,本文方法不仅能够降低图像特征空间维数,减少图像分类的工作量,而且还可以提高分类识别的正确率。