Page 78 - 《软件学报》2020年第12期

3744 Journal of Software 软件学报 Vol.31, No.12, December 2020

3.3 算法迭代过程
关于算法的迭代过程,我们选取了两个比较有代表性的数据集 Sonar 和 Ionosphere,图 4 表示 MCC-NES 算
法在 Sonar 以及 Ionosphere 数据集上采用 5-NN 分类器时的迭代搜索过程.拿 Sonar 数据集为例,算法在开始阶
段,分类器有最低的分类性能以及最高的维度缩减,这是由于算法开始迭代时最优全局特征序列为空,每个亚种
群不会与全局特征序列进行联系.所以在亚种群性能评估时,最优特征序列上只有每个亚种群中选取的特征,而
其他亚种群位置上的特征均为 0,因此维度压缩率就会很高;另一方面,也导致一开始算法的分类性能比较低.但
是随着迭代,之后的迭代过程中会保存历史最优的特征序列,每个亚种群进行评估时都会与历史最优特征序列
进行联系,所以就会包含其他亚种群的历史特征信息,维度压缩率迅速降低,而性能则迅速上升.在到达最优解
附近时,算法就会加大局部搜索力度,如算法在 7th~10th 迭代时接近最优解,在 11st 迭代达到最优解,之后算法继
续迭代,就会对那些已选择的但是冗余的特征进行删除,比如在 12nd 以及 15th 时维度缩减率得到进一步提升.

Fig.4 Classification accuracy and the number of selected features w.r.t. the number of iterations
图 4 分类准确率和所选特征个数在算法迭代中表现

3.4 多种群协同进化
图 5 表示 MCC-NES 算法在 Sonar 以及 Ionosphere 数据集上采用 Rbf-SVM 分类器搜索过程中,3 个分布式
种群的最佳性能表现.

Fig.5 Performance of optimal solutions for each population in the evolution of population competition
图 5 分布式种群在迭代过程中最佳的性能表现

由于算法中设计了重启机制,当某个种群迭代达到阈值而且种群性能停滞时,就会让该种群的搜索点向表