基于多行为交互的变维协同进化特征选择方法

摘要：

针对大规模数据集上的特征选择问题,一种变长表示的粒子群特征选择方法(VLPSO)表现出了良好的性能.然而,其完全随机的粒子生成方式导致初始化阶段具有一定的盲目性.同时,VLPSO单一的更新机制和种群间的信息隔离也影响了模型的分类性能.为了解决VLPSO的缺陷,提出了一种基于多行为交互的变维协同进化特征选择方法(M-CVLPSO).首先,为了改善随机初始化带来的盲目性,采用连续空间上的层次初始化策略,从期望上缩短了初始解与最优解之间的距离.其次,将粒子根据适应度分为领导者、追随者与淘汰者,在迭代过程中采用多种更新策略动态平衡算法的多样性和收敛性.同时,将维度缩减指标加入到适应度函数中,进一步增强了算法在部分数据集上的性能.从理论上证明了该算法的收敛性,并基于11个大规模特征选择数据集在分类精度、维度缩减和计算时间上进行实验分析.实验结果表明,本文算法相较于4种对比算法具有更好的综合表现.

关键词：行为交互、协同进化、变维表示、特征选择、粒子群优化

所属期刊栏目：48

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;上海市浦江人才计划;上海市经信委信息化发展专项

在线出版日期：2022-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：244-257