融合基于MapReduce并行改进二元蚁群算法与分形维数的属性选择方法

摘要：

属性选择是数据挖掘领域用于降低数据特征维度的预处理方法.针对大数据环境下高维数据的属性约简问题,提出了融合基于MapReduce并行改进二元蚁群算法与分形维数的属性选择方法.首先,引入了参数控制的位置更新策略、对蚂蚁个体与种群进行交叉变异、重新定义阻塞机制的信息素更新,提出了并行改进的二元蚁群算法MRIBACO.其次,以并行二元蚁群算法作为离散解空间的搜索策略,结合分形维数提出了属性选择模型.在6个UCI数据集上的实验结果表明,较其他方法计算效率更优,同时表明了其有效性与稳定性.

关键词：属性选择、分形理论、二元蚁群优化算法、MapReduce、分群分治

所属期刊栏目：39

资助基金：国家自然科学基金重大研究计划培育项目91546108;国家自然科学基金重大项目91490725;国家自然科学基金创新群体项目71521001;安徽省自然科学基金1908085QG298;国家重点研发计划2016YFF0202604;中央高校基本科研业务费专项资金JZ2019HGTA0053,JZ2019HGBZ0128资助课题

在线出版日期：2019-11-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：918-933