遗传算法的基本思想是生成一些随机可能的解决方案(称为人口),它们代表不同的变量,然后在迭代过程中组合最佳解决方案。 这种组合遵循基本的GA操作,即:选择、变异和交叉。 选择:在一代人中挑选最适合的人(即:提供最高ROC的解决方案)。 交叉:基于两种解决方案的基因创建2个新个体。这些”孩子“将出现在下一代。 突...
本文提供了用于执行基于遗传算法的特征选择的方法.在某些实施例中,所述方法包括以下步骤:将多个数据分割模式应用于学习数据集以建立多个分类器进而获得至少一个分类结果;整合来自所述多个分类器的所述至少一个分类结果以获得整合的准确度结果;以及将所述整合的准确度结果作为用于候选特征子集的适应度值输出到遗传算法,...