用于特征选择的乌鸦搜索算法的研究与改进

摘要：

特征选择是机器学习领域的热点问题.元启发式算法作为特征选择的重要方法之一,其性能会对问题求解产生直接影响.乌鸦搜索算法(CSA)是受乌鸦智能群体行为启发提出的一种元启发式算法,由于其具有简单、高效的特点,广大学者将其用来解决特征选择问题.然而,CSA易陷入局部最优解且收敛速度较慢,严重限制了算法求解能力.针对这一问题,采用logistic混沌映射、反向学习方法和差分进化这3种算子,结合乌鸦搜索算法,提出一种特征选择算法BICSA来选取最优特征子集.实验阶段,使用UCI数据库中的16个数据集来测试BICSA的性能.实验结果表明,与其他特征选择算法相比,BICSA求得的特征子集具有更高的分类准确率和较高的维度压缩能力,这说明BICSA在处理特征选择问题上具有很强的竞争力与足够的优越性.

关键词：乌鸦搜索算法、混沌映射、反向学习、差分进化、特征选择

所属期刊栏目：33

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金;吉林省自然科学基金;吉林省发展;改革委员会产业技术研究与开发项目

在线出版日期：2022-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：3903-3916