典型文献
用于特征选择的乌鸦搜索算法的研究与改进
文献摘要：
特征选择是机器学习领域的热点问题.元启发式算法作为特征选择的重要方法之一,其性能会对问题求解产生直接影响.乌鸦搜索算法(CSA)是受乌鸦智能群体行为启发提出的一种元启发式算法,由于其具有简单、高效的特点,广大学者将其用来解决特征选择问题.然而,CSA易陷入局部最优解且收敛速度较慢,严重限制了算法求解能力.针对这一问题,采用logistic混沌映射、反向学习方法和差分进化这3种算子,结合乌鸦搜索算法,提出一种特征选择算法BICSA来选取最优特征子集.实验阶段,使用UCI数据库中的16个数据集来测试BICSA的性能.实验结果表明,与其他特征选择算法相比,BICSA求得的特征子集具有更高的分类准确率和较高的维度压缩能力,这说明BICSA在处理特征选择问题上具有很强的竞争力与足够的优越性.
文献关键词：
乌鸦搜索算法;混沌映射;反向学习;差分进化;特征选择
中图分类号：
作者姓名：
廉杰;姚鑫;李占山
作者机构：
吉林大学计算机科学与技术学院,吉林长春130012;符号计算与知识工程教育部重点实验室(吉林大学),吉林长春130012
文献出处：
引用格式：
[1]廉杰;姚鑫;李占山-.用于特征选择的乌鸦搜索算法的研究与改进)[J].软件学报,2022(11):3903-3916
A类：
BICSA
B类：
乌鸦搜索算法,学习领域,元启发式算法,问题求解,群体行为,局部最优解,收敛速度,较慢,logistic,混沌映射,反向学习,差分进化,特征选择算法,优特,特征子集,UCI,分类准确率
AB值：
0.180742
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。
