典型文献
基于重复度分析的森林优化特征选择算法
文献摘要：
森林优化算法是一种基于森林中树木播种思想的演化算法,其具有良好的特征空间搜索能力,且实现难度低.但该算法在森林整体的收敛速度和寻优能力上仍存在提升空间,而且对高维数据集的适应度较差.本文针对上述问题提出了基于重复度分析的森林优化特征选择算法(feature selection using forest optimization al-gorithm based on duplication analysis,DAFSFOA).该算法提出了基于信息增益的自适应初始化策略、森林重复度分析机制、森林重启机制、候选最优树生成策略、综合考虑特征选择数量和分类正确率的适应度函数.实验结果表明,DAFSFOA在大部分数据集上达到了最高的分类准确率.同时,对于高维数据集SRBCT,在维度缩减率和分类准确率方面,DAFSFOA对比森林优化特征选择算法(feature selection using forest optimization algorithm,FSFOA)都有较大提升.DAFSFOA比FSFOA具有更强的特征空间探索能力,而且能够适应不同维度的数据集.
文献关键词：
特征选择;演化算法;重复度分析;信息熵;信息增益;重启机制;森林优化算法;维度缩减
中图分类号：
作者姓名：
冀若含;董红斌
作者机构：
哈尔滨工程大学计算机科学与技术学院,黑龙江哈尔滨150001
文献出处：
引用格式：
[1]冀若含;董红斌-.基于重复度分析的森林优化特征选择算法)[J].智能系统学报,2022(06):1113-1122
A类：
重复度分析,森林优化算法,DAFSFOA,SRBCT,维度缩减,FSFOA
B类：
特征选择算法,林中,树木,播种,演化算法,特征空间,搜索能力,收敛速度,寻优能力,提升空间,高维数据,feature,selection,using,forest,optimization,duplication,analysis,信息增益,初始化策略,重启机制,优树,生成策略,适应度函数,上达,分类准确率,algorithm,空间探索,探索能力,不同维度,信息熵
AB值：
0.262838
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
