基于聚类和二进制PSO的特征选择

• 作者: 张家柏 王小玲
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 特征选择 k均值算法 相关性 粒子群优化算法
• 年，卷（期）: 2010,（6）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 25-28
• 分类号: TP301.6
• 字数: 3935字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2010.06.007

摘要

特征选择是模式识别及数据挖掘等领域的重要问题之一.特征选择不但可以提高分类精度和效率,也可以找出富含信息的特征子集.针对此问题,在分析了常用的一些特征选择算法之后,文中提出一种基于聚类和二进制PSO算法的特征选择方法,首先基于特征之间的相关性聚类来进行特征分组及筛选,然后针对经过筛选而精简的特征子集采用二进制粒子群算法进行随机搜索.实验结果表明,该算法可有效地找出具有较好的线性可分离性的特征子集,具有特征精简幅度较大、运行效率较高等优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王小玲	中南大学信息科学与工程学院	40	146	8.0	10.0
2	张家柏	中南大学信息科学与工程学院	3	21	2.0	3.0