[例会]遗传算法在帕金森患者步态特征提取中的应用

特征选择是指从已有的M个特征中选择N个特征使得系统的特定指标最优化,从原始特征中选择出一些最有效特征以降低数据集维度的过程,是提高学习算法性能的一个重要手段,也是模式识别中关键的数据预处理步骤。遗传算法可以应用于特征选择来提高识别率。

实验首先对数据先进行去量纲,标准化处理。运用遗传算法,relief算法,卡方检验,方差选择法进行特征选择。将特征选择后的数据训练出模型,再用测试集评估模型优劣。

遗传算法(Genetic Algorithm)是模拟达尔文进化论的自然选择和遗传学机理的生物进化过程的计算模型,是一种通过模拟自然进化过程搜索最优化的方法。

relief算法是在在每一次迭代都会随机选择一个sample的特征向量X,并在各类中寻找与向量X最近邻的样本。在相同类中最近邻的sample称为’near-hit’,在不同类中最近邻的sample称为’near-miss’,以两者之差更新特征权重,最后以阈值进行筛选。

卡方检验基本的思想就是通过观察特征与标签的偏差来确定理论的正确与否。

方差选择法,先要计算各个特征的方差,然后根据阈值,选择方差大于阈值的特征。

实验结果显示遗传算法相较其他算法对识别率具有显著提高。

与会人员:

老师:安老师,杨老师,阙老师。

学生:丁会通,段优,韩朋,景波,江思源,刘杰,明鉷,唐晨,滕越,肖勇博,殷越。

请假:陈绪,姚小慧,严金戈,王雨婷。

 

 

anyShare分享到:
This entry was posted in 例会. Bookmark the permalink.

发表评论