作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为提高特征选择算法的分类精度,使特征子集尽快达到全局最优,提出了一种基于教与学优化算法的特征选择方法.该方法首先将最大相关最小冗余的过滤式特征选择算法融入其中,然后利用教与学优化算法对特征子集进行迭代寻优,构造一个混合式特征选择框架.经UCI数据集试验,证明了该算法的收敛速度与分类精度均优于其它算法.
推荐文章
“教与学”优化算法研究综述
“教与学”优化算法
“教”阶段
“学”阶段
动态选择策略的和声教与学混合算法
和声搜索
教与学优化
动态选择策略
“自学”策略
基于改进烟花算法的SVM特征选择和参数优化
二进制编码
烟花算法
特征选择
参数优化
一种基于反思机制的教与学优化算法
教与学优化算法
反思行为
群体智能
函数优化
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于教与学优化算法的特征选择
来源期刊 软件导刊 学科 工学
关键词 教与学优化算法 特征选择 最大相关最小冗余 迭代寻优
年,卷(期) 2015,(11) 所属期刊栏目 算法与语言
研究方向 页码范围 36-39
页数 4页 分类号 TP312
字数 3267字 语种 中文
DOI 10.11907/rjdk.1511085
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张磊 中国矿业大学徐海学院 174 1083 16.0 25.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (85)
共引文献  (174)
参考文献  (8)
节点文献
引证文献  (5)
同被引文献  (11)
二级引证文献  (2)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(5)
  • 参考文献(0)
  • 二级参考文献(5)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(8)
  • 参考文献(0)
  • 二级参考文献(8)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(6)
  • 参考文献(0)
  • 二级参考文献(6)
2008(5)
  • 参考文献(0)
  • 二级参考文献(5)
2009(6)
  • 参考文献(0)
  • 二级参考文献(6)
2010(14)
  • 参考文献(1)
  • 二级参考文献(13)
2011(7)
  • 参考文献(0)
  • 二级参考文献(7)
2012(9)
  • 参考文献(3)
  • 二级参考文献(6)
2013(6)
  • 参考文献(3)
  • 二级参考文献(3)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
教与学优化算法
特征选择
最大相关最小冗余
迭代寻优
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
软件导刊
月刊
1672-7800
42-1671/TP
16开
湖北省武汉市
38-431
2002
chi
出版文献量(篇)
9809
总下载数(次)
57
总被引数(次)
30383
论文1v1指导