典型文献
基于分解的自适应邻域替换策略的特征选择算法
文献摘要：
特征选择是数据处理和机器学习中一个重要的过程,提高分类性能和减少特征数目是特征选择的两个主要目的,因此特征选择可以被定义为一个多目标优化问题.为了进一步在提高特征选择分类性能的同时降低特征数目,本文在MOEA/D的框架下,提出了一种基于自适应邻域替换策略(AR)的特征选择算法,能有效避免使用固定规模的邻域而造成种群进化缓慢从而影响分类性能的问题.将所提出的算法与其他算法在UCI中的5个不同分类数据集上相比,结果表明,本文算法得到比其他方法更优的结果.
文献关键词：
多目标优化;特征选择;MOEA/D;邻域替换
中图分类号：
作者姓名：
马璐;苏华
作者机构：
天津工业大学计算机科学与技术学院,天津 300387
文献出处：
引用格式：
[1]马璐;苏华-.基于分解的自适应邻域替换策略的特征选择算法)[J].长春师范大学学报,2022(06):44-48,59
A类：
邻域替换
B类：
基于分解,自适应邻域,替换策略,特征选择算法,分类性能,特征数,一个多,多目标优化问题,MOEA,成种,种群进化,UCI,分类数据,其他方法
AB值：
0.270575
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。
