模拟人工蜂群的高维数据特征选择算法研究

摘要：

针对高维数据集结构复杂且冗余度高的问题,提出一种新型二进制人工蜂群算法进行特征选择.该算法在雇佣蜂蜜源搜索阶段应用差分思想,增加多项式差分变异算子,实现蜜源更新环节的多维性、高效性;在跟随蜂阶段和侦察蜂阶段分别引入交叉算子和最优保存策略,进一步打破局部最优,有效提升了人工蜂群算法的收敛效果;对蜜源的二进制初始化处理,使得算法在特征选择过程中取得了良好表现.在4个Benchmark测试函数上进行实验,结果表明,新算法的寻优精度和收敛速度优于其他4种经典搜索算法.同时,选取7个常用高维数据集进行特征选择,并与7种经典降维算法进行对比,发现新算法的特征约简程度普遍高于88％,并且随着数据集维度的增高,新算法的降维程度和分类精度优于其他7种降维算法.

关键词：特征选择、高维数据、人工蜂群算法、差分进化算法

所属期刊栏目：55

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金;湖南省自然科学基金项目;湖南省教育科学十三五规划基金项目

在线出版日期：2023-05-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：57-64