基于广义重要度和runner-root算法的特征选择

摘要：

特征选择是机器学习、模式识别和数据挖掘等领域数据预处理阶段的重要步骤.现实中采集的数据维度很高,存在大量冗余和噪声数据,这使得计算时间增加的同时还会对建模结果产生误导性.结合属性子集的广义重要度和智能优化runner-root算法提出一种特征选择算法,用runner-root算法进行迭代寻优,用属性子集的广义重要度和所选特征子集的大小作为适应度函数,对所选特征子集进行评估,尽可能在整个样本空间内搜索出对决策重要的特征子集.实验结果表明,该算法可以选择出有效的特征子集,使分类模型得到较高的准确率.

关键词：智能优化、广义重要度、runner-root算法、特征选择

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;甘肃省自然科学基金

在线出版日期：2022-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：723-729