一种改进的粒子群微学习单元特征选择算法

摘要：

微学习单元是微学习过程里的基本学习单位,具有高维性.提取微学习单元适合的特征,保留有代表性的特征,有助于降低冗余,是提高微学习聚类精度的重要方法之一.为获得适合的微学习单元特征、降低计算复杂度,并确保聚类准确性,本研究提出一种改进的骨干粒子群无监督特征选择算法用于选择微学习单元的特征.该方法用互信息构造适应度函数,并采用适应性突变概率策略,以提高算法收敛速度和计算精度.实验表明,该方法有助于提取适合的微学习单元特征,且所提取的特征能够提高微学习单元聚类的准确性.

关键词：微学习、特征选择、无监督学习、粒子群算法、聚类

所属期刊栏目：42

分类号：TP391(计算技术、计算机技术)

资助基金：山西省自然科学基金应用基础研究项目201701D121057

在线出版日期：2021-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：748-754