一种基于云模型的特征选择参数优化研究

摘要：

常用特征选择方法面临着特征子集空间大小难以确定的问题,取不同的k值,它们的分类效果是相差很大的.粒子群优化算法存在收敛快、获得的是局部最优值而不是全局最优值的问题.针对上述问题,结合云模型的理论知识,提出一种基于云模型的特征选择方法.该算法的适应度函数是通过精确率这一评价指标计算的,将权重分为三个类别来动态确定惯性权重.采用模糊期望交叉熵对原始的特征子集空间进行预选,将预选后的特征子集作为原始特征空间采用改进的特征选择方法,根据模糊期望交叉熵的大小来初始化粒子的种群数及采用迭代变化的阈值作为控制算法的结束条件.实验结果证明了该方法的有效性和可行性.

关键词：特征选择、参数优化、粒子群、云模型

所属期刊栏目：29

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61572326

在线出版日期：2019-05-31（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：93-96