典型文献
基于邻域粗糙集和海洋捕食者算法的特征选择方法
文献摘要：
针对粗糙集模型中特征选择方法存在计算开销大、不能直接处理连续数据,以及海洋捕食者算法(MPA)处理优化问题仍存在收敛速度慢、易陷入局部最优等问题,提出了基于邻域粗糙集(NRS)和海洋捕食者算法的特征选择方法.首先,使用基于Tent混沌映射的反向学习和高斯扰动策略对原算法改进得到IMPA,再构建一种传输机制形成一种二进制算法;然后,基于邻域依赖度和特征子集长度构造适应度函数,使用IMPA不断迭代搜索出最优特征子集,设计一种元启发式特征选择算法.最后,在9个基准测试函数上评估IMPA的优化性能以及在UCI数据集上评估特征选择算法的分类能力.实验结果表明,在9个基准测试函数上IMPA的平均值、标准差明显优于粒子群优化算法(PSO)和樽海鞘算法(SSA);在UCI数据集上,同基于粗糙集的优化特征选择算法、基于邻域粗糙集的优化特征选择算法相比,所提的特征选择方法在KNN分类器下的分类精度平均值分别提高了 10.28～14.13个百分点、2.71～12.11个百分点,在CART分类器下的分类精度平均值分别提高了 9.41～13.24个百分点、2.90～12.31个百分点.
文献关键词：
海洋捕食者算法;邻域粗糙集;邻域依赖度;特征选择
中图分类号：
作者姓名：
龚荣;谢宁新;李德伦;何雪东
作者机构：
广西民族大学人工智能学院,广西南宁530006;广西民族大学电子信息学院,广西南宁530006
文献出处：
引用格式：
[1]龚荣;谢宁新;李德伦;何雪东-.基于邻域粗糙集和海洋捕食者算法的特征选择方法)[J].微电子学与计算机,2022(09):35-45
A类：
邻域依赖度
B类：
邻域粗糙集,海洋捕食者算法,选择方法,计算开销,优化问题,收敛速度,速度慢,局部最优,优等,NRS,Tent,混沌映射,反向学习,高斯扰动,扰动策略,算法改进,进得,IMPA,再构,二进制,特征子集,适应度函数,迭代搜索,优特,元启发式,特征选择算法,基准测试函数,优化性能,UCI,粒子群优化算法,PSO,樽海鞘算法,SSA,KNN,分类器,分类精度,百分点,CART
AB值：
0.271348
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。
