全文总字数：5632字

1. 研究目的与意义及国内外研究现状

选题目的：特征选择算法是提高学习算法性能的一个重要手段,是模式识别中数据预处理的关键步骤，长期以来一直得到广泛的关注。而粒子群优化算法则由于其较强的局部搜索能力，在很多领域得到了应用，其中就包括特征选择领域。本文研究粒子群优化算法在特征选择领域的应用，目的是提高粒子群优化算法在特征选择问题上的性能，提出高效的基于粒子群优化算法的特征选择方法。

选题意义：随着信息采集技术的迅速发展，信息呈现大数据和高纬度的发展趋势，特征选择理论的出现不仅简约了信息数据的存储空间，还提高了机器学习算法的学习效率和分类模型的准确性能。将粒子群优化算法作为搜索算法应用到特征选择算法中，可以改进算法的分类性能。将群体智能优化算法作为搜索算法的特征选择算法随着研究的不断增加，其应用领域也在不断地增加，所以该组合算法的研究具有重要的学术意义和实用价值。

2. 研究的基本内容

本文内容是基于离散型粒子群算法在特征选择中的应用，掌握到粒子群算法和特征选择算法中各有特点，对算法中的不足之处进行的改进，将算法的特点更好地结合在一起，提出一种基于离散型粒子群算法的特征选择方法，并用matlab编程实现该组合算法，结合对比算法总结出该组合算法的优越性能，具体研究内容如下：

1、研究粒子群算法的基本理论知识，掌握算法中可以改进的地方。分析离散型粒子群算法的原理，比如二进制粒子群算法、骨干粒子群算法和自适应粒子群算法。掌握离散型粒子群算法在基本粒子群算法的基础上改进后提高算法中的具体性能。

3. 实施方案、进度安排及预期效果

2018.09：确定毕业论文题目和导师；

2018.10-2019.01：针对论文题目进行查阅、收集、整理和阅读资料，并整理笔记；

2019.02-2019.03：学生着手论文初稿，确定论文写作方向，拟定论文框架；

4. 参考文献

[1] 黄铉.特征选择研究综述[j].信息与电脑(理论版),2017(24):67-68.

[2] 郭双乐,张建光,赵鑫,耿玉菊,石龙.无监督特征选择算法的分析与总结[j].电子技术与软件工程,2019(05).