10.11896/j.issn.1002-137X.2018.02.011
基于SAC的特征选择算法
特征选择通过移除不相关和冗余的特征来提高学习算法的性能.基于进化算法在求解优化问题时表现出的优越性能,提出FSSAC特征选择方法.新的初始化策略和评估函数使得SAC能将特征选择作为离散空间搜索问题来解决,利用特征子集的准确率指导SAC的采样阶段.在实验阶段,FSSAC结合SVM,J48和KNN分类器,通过UCI数据集完成验证,并与FSFOA,HGAFS,PSO等算法进行了比较.实验结果表明,FSSAC可以提高分类器的分类准确率,且具有良好的泛化性能.除此之外,对FSSAC和其他算法在特征空间维度缩减情况方面做了对比.
特征选择、SAC、FSSAC、维度缩减
45
TP18(自动化基础理论)
吉林省科技发展计划项目20140101200JC
2018-05-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
63-68