对称不确定性和粒子群的高维特征选择算法

摘要：

高维数据中存在着成千上万个特征,大量的特征导致问题搜索空间过大,增加了计算代价,影响了数据分类预测的准确性.为了提高特征选择的效率,本文提出了一种对称不确定性和种群降维机制的粒子群特征选择算法,该算法设计了一种基于对称不确定性指标的初始化方法,降低特征选择的计算代价.通过非支配排序的种群降维机制,减少进化过程中冗余特征的影响.在5个公开生物医学的高维数据集上的实验结果表明,该算法能够针对高维数据特征选择问题取得更好的分类精度和更小的最优子集特征个数,并在时间运行方面有一定的优势.

关键词：对称不确定性;非支配排序;降维;高维数据;特征选择

所属期刊栏目：11

分类号：TP391(计算技术、计算机技术)

在线出版日期：2022-01-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：49-53