计算机工程与应用

2021, v.57;No.989(22) 199-207

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于多因子粒子群的高维数据特征选择算法
High-Dimensional Data Feature Selection Algorithm Based on Multifactor Particle Swarm Optimization

林炜星;王宇嘉;陈万芬;梁海娜;

摘要(Abstract):

特征选择是机器学习和数据挖掘领域中一项重要的数据预处理技术,它旨在最大化分类任务的精度和最小化最优子集特征个数。运用粒子群算法在高维数据集中寻找最优子集面临着陷入局部最优和计算代价昂贵的问题,导致分类精度下降。针对此问题,提出了基于多因子粒子群算法的高维数据特征选择算法。引入了进化多任务的算法框架,提出了一种两任务模型生成的策略,通过任务间的知识迁移加强种群交流,提高种群多样性以改善易陷入局部最优的缺陷;设计了基于稀疏表示的初始化策略,在算法初始阶段设计具有稀疏表示的初始解,降低了种群在趋向最优解集时的计算开销。在6个公开医学高维数据集上的实验结果表明,所提算法能够有效实现分类任务且得到较好的精度。

关键词(KeyWords): 高维数据;特征选择;进化多任务;粒子群算法(PSO)

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(61403249)

作者(Author): 林炜星;王宇嘉;陈万芬;梁海娜;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享