一种求解数据特征选择问题的改进樽海鞘群算法

摘要：

高维数据通常包含大量冗余特征,为了更好地选择数据集中的有效特征,提出了 一种解决高维数据特征选择问题的量子樽海鞘群算法.在函数优化问题上与粒子群算法、正余弦算法、蝴蝶优化算法和飞蛾火焰算法等智能优化算法进行仿真比较,结果表明,量子樽海鞘群算法能够在9个测试函数上更好的求解函数最优值问题;在数据特征选择问题上与标准樽海鞘群算法和其他改进樽海鞘群算法进行仿真性能比较,通过结合最近邻(KNN)分类器到改进樽海鞘群算法中,能够更好地选择高维数据集中的有效特征,在保证分类精度的情况下有效选择数据的特征数目.

关键词：樽海鞘群算法、动态对立学习、Cauchy变异、最近邻

所属期刊栏目：34

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家自然科学基金;贵州省教育厅基金项目

在线出版日期：2022-06-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：112-120