47、基于进化计算的LVQ分类器原型生成方法

基于进化计算的LVQ分类器原型生成方法

1. 原型生成

分类所用的原型由特征空间中的点表示。为找到一组优质原型，采用了特定的遗传算法——育种遗传算法（BGA），个体被编码为实值向量。在该方法中，一个个体由可变长度的特征向量列表组成，每个向量代表一个原型。

系统依据进化算法（EA）范式，首先生成包含P个个体的种群。初始个体的原型数量（以下简称长度）在区间[Nmin, Nmax]内随机分配，每个原型通过从训练集中随机选择一个模式进行初始化。

随后，评估生成个体的适应度。新种群通过两种方式生成：
- 采用精英策略，选择最优的E个个体直接复制。
- 通过选择机制选择(P - E)/2对个体，根据选定的概率因子pc对每对个体应用交叉算子，再根据概率因子pm对个体应用变异算子，最后将得到的个体添加到新种群中。此过程重复Ng代。

下面详细介绍适应度函数、选择机制和所采用的算子。

1.1 适应度函数

使用包含Ntr个模式的训练集Dtr对每个个体进行评估，具体步骤如下：
1. 将训练集中的每个模式分配给待评估个体中最近的原型（即参考向量），在特征空间中使用欧氏距离。完成此步骤后，第i个原型将分配到ni（ni ≥ 0）个模式。ni > 0的原型称为有效原型，ni = 0的原型在后续步骤中忽略。
2. 为个体的每个有效原型标记对应簇中最具代表性的标签。
3. 计算在Dtr上的识别率，并将其作为个体的适应度值。

为了倾向于使用较少原型获得良好性能的个体，每个个体的适应度增加0.1/Np，其中Np是个体中的原型数量。此外，原型数量不在区间[Nmin, Nmax]内的个