典型文献
基于磷虾-黑洞算法的医学数据特征选择研究
文献摘要：
从高维的生物医学数据中探索发现与疾病相关的基因是目前的热点研究问题,但是大部分生物医学数据具有许多与寻找疾病基因不相关或冗余特征,很难直接投入使用.针对这个问题,提出了一种自适应双种群混合磷虾黑洞算法(modified binary krill herd and black hole algorithm,MBKHA).该算法将改进的二进制磷虾算法与二进制黑洞算法相结合,磷虾算法负责寻找更优的解集,黑洞算法负责加快算法收敛,通过使用自适应划分规则动态调控种群中磷虾个体和恒星个体的数量,从而实现两个算法优势互补.基于5个公开医学微阵列数据集,从多个指标比较了提出的方法和其他特征选择算法的性能,实验结果表明该方法在特征选择上具有更好的性能.
文献关键词：
特征选择;改进的二进制磷虾算法;二进制黑洞算法;生物医学数据
中图分类号：
作者姓名：
张戈;彭振;侯金翠;阎朝坤
作者机构：
河南大学计算机与信息工程学院,河南开封475004;中移在线服务有限公司,郑州450007
文献出处：
引用格式：
[1]张戈;彭振;侯金翠;阎朝坤-.基于磷虾-黑洞算法的医学数据特征选择研究)[J].河南大学学报（自然科学版）,2022(06):690-698
A类：
MBKHA,改进的二进制磷虾算法,二进制黑洞算法
B类：
数据特征,高维,生物医学数据,疾病相关,热点研究,研究问题,分生,疾病基因,不相关,冗余特征,投入使用,双种群,modified,binary,krill,herd,black,hole,algorithm,解集,自适应划分,划分规则,动态调控,恒星,优势互补,微阵列数据,特征选择算法
AB值：
0.288443
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。
