一种改进鲸鱼优化算法的特征选择方法

摘要：

针对鲸鱼优化算法(Whale Optimization Algorithm,WOA)用于特征选择时易陷入局部最优的问题,基于二次函数设计一种非线性过度参数取代原始的线性过度参数,再结合动态反向(Dynamic Opposite,DO)学习算法分别增强了WOA算法局部搜索能力和全局搜索能力,提出了动态反向鲸鱼优化算法(DOWOA).用于5个标准测试函数的测试结果表明:DOWOA寻优效果优于原始WOA算法.5个UCI数据集测试结果表明:DOWOA算法能保持SVM分类精度几乎不变的情况下寻找到更少的特征子集.对电信客户流失数据进行了实验,结果表明:在平均分类精度几乎保持一致的情况下,DOWOA算法特征选择能力优于原始WOA算法.

关键词：鲸鱼优化算法、非线性过度参数、动态反向、特征选择、支持向量机

所属期刊栏目：24

分类号：TP183(自动化基础理论)

资助基金：贵州省教育厅创新群体项目

在线出版日期：2022-11-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：246-248,271