|
|
1.
基于多目标骨架粒子群优化的特征选择算法
张翠军, 陈贝贝, 周冲, 尹心歌
计算机应用
2018, 38 (11):
3156-3160.
DOI: 10.11772/j.issn.1001-9081.2018041358
针对在分类问题中，数据之间存在大量的冗余特征，不仅影响分类的准确性，而且会降低分类算法执行速度的问题，提出了一种基于多目标骨架粒子群优化（BPSO）的特征选择算法，以获取在特征子集个数与分类精确度之间折中的最优策略。为了提高多目标骨架粒子群优化算法的效率，首先使用了一个外部存档，用来引导粒子的更新方向；然后通过变异算子，改善粒子的搜索空间；最后，将多目标骨架粒子群算法应用到特征选择问题中，并利用
K近邻（
KNN）分类器的分类性能和特征子集的个数作为特征子集的评价标准，对UCI数据集以及基因表达数据集的12个数据集进行实验。实验结果表明，所提算法选择的特征子集具有较好的分类性能，最小分类错误率最大可以降低7.4%，并且分类算法的执行时间最多能缩短12 s，能够有效提高算法的分类性能与执行速度。
参考文献 |
相关文章 |
多维度评价
|
|
