人工蜂群算法优化的特征选择方法

摘要：

在分类问题中,数据之间存在的大量冗余、不相关的特征不仅不能增加分类准确率,反而会降低分类算法执行的速度.特征选择通过最大化分类正确率和最小化特征数来解决这个问题,由于这是两个相互矛盾的目标,因此可以将特征选择问题视为一种多目标优化问题.为了提升特征选择的效率,提出了一种基于Knee Points的改进多目标人工蜂群算法的特征选择方法(artificial bee colony algorithm based on Knee Points,KnABC),设计了一种快速识别Knee Points的方法,并改进了引领蜂和引领蜂算子.与其他经典多目标算法在11个UCI测试数据集上的特征选择实验结果表明,提出的算法在减小分类特征数、增大分类结果准确率方面具有显著效果.

关键词：多目标人工蜂群算法、特征选择、Knee Points、分类算法

所属期刊栏目：13

分类号：TP751(遥感技术)

在线出版日期：2019-04-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：300-309