当前位置: 首页 > 科技成果列表 > 科技成果详细

基于粗糙集和人工蜂群的特征选择工具软件v1.0

技术类型:非专利

技术成熟度:-

转让方式:-

应用领域:软件开发

技术领域:基础软件

交易价格:面议专利价值评估

应用案例:否

了解与分析本科技成果,可查看成果概况并使用以下技术转移数智化应用工具:
成果概况
简介

成果的课题来源于荆楚理工学院校级科研项目。

研究背景:基于大数据时代的来临,描述数据的特征维数越来越高,大量针对降维提出的特征选择算法面临严峻挑战。

人工蜂群算法作为一种新型智能优化算法,具有控制参数少、易于实现、计算简洁、鲁棒性强等特点,具有广阔的应用前景。

为了使人工蜂群算法应用于特征选择领域中,帮助数据降维的各类人员更加简便、快捷地使用该算法来解决实际问题,本工具软件基于粗糙集和人工蜂群算法,将两者融合,发挥各自优势,在有限的迭代次数内搜索最优特征子集,为国内外涉及数据降维问题的各类人员提供一种特征选择工具。

根据特征选择原理,将粗糙集和人工蜂群算法进行融合,发挥各自优势,不仅能够减少种群搜索的盲目性,加快收敛速度,而且可以改进邻域搜索策略,增加种群多样性,避免陷入局部最优,有效解决特征选择中存在的问题,最终实现去除噪声、得到最优特征子集的特征选择性能目标。

该工具软件应对社会发展需求,为大数据环境下高维数据特征选择提供新思路和科学依据,具有先进性;采用多种方法融合的特征选择思路,丰富和发展面向高维大数据的特征选择理论与技术,具有创造性;坚持理论与实践结合,为经济建设和社会发展提供技术支持和服务,适用于工程计算、控制设计、信号处理与通讯、图像处理、医疗诊断、金融分析等领域对数据进行特征选择,具有广阔的应用前景。

粗糙集理论具有处理不确定和不精确信息的能力,广泛应用于构造特征选择方法;与此同时,人工蜂群算法作为一种新型智能优化方法,也在特征选择中崭露头角,并彰显独特优势。

本工具软件将粗糙集和人工蜂群算法进行融合,发挥各自的优势,实现得到最优特征子集的特征选择目标。该技术成熟、安全,适用于工程计算、控制设计、信号处理与通讯、图像处理、医疗诊断、金融分析等领域对数据进行特征选择,具有广阔的应用前景。

目前暂时应用于科研数据和小范围领域内的特征选择应用,尚未发现问题。

2014年11月,论文《采用渐变与突变机制的反向人工蜂群算法》获得湖北省第十五届优秀学术论文二等奖。

(此文字表达经过AI优化完善,查看原文请点击 原文)
成果评价分析
技术应用分析
服务案例
Baidu
map