混合互信息和粒子群算法的多目标特征选择方法*
在数据挖掘中,由于数据集中含有大量的冗余和不相关的特征,因此特征选择是一个重要的预处理过程.提出了一个基于混合互信息和粒子群算法的过滤式-封装式的多目标特征选择方法(HMIPSO).根据粒子的pbest距离上次更新的迭代次数,提出了自适应突变策略去扰动种群,避免种群陷入局部最优.同时基于帕累托前沿面和外部文档提出了一个新的集合概念.结合互信息和新的集合知识提出了一个局部搜索策略,使得帕累托前沿面中的粒子可以删除不相关和冗余的特征,然后通过精英策略更新学习前和学习后的帕累托前沿面.最后将提出的算法和另外4种多目标算法在15个UCI数据集上进行了测试,实验结果表明提出的算法能够更好地降低特征个数和分类错误率.
多目标优化、特征选择、互信息(MI)、粒子群算法(PSO)、帕累托前沿面、外部文档
14
TP18(自动化基础理论)
The National Science and Technology Support Program of China under Grant No. 2015BAK24B00 国家科技支撑计划
2020-01-18(万方平台首次上网日期,不代表论文的发表时间)
共13页
83-95