基于SAC的特征选择算法

• 作者: 张梦林 李占山
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 特征选择 SAC FSSAC 维度缩减
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 2017年中国计算机学会人工智能会议
• 页码范围: 63-68
• 页数: 6页
• 分类号: TP18
• 字数: 5785字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2018.02.011

摘要

特征选择通过移除不相关和冗余的特征来提高学习算法的性能.基于进化算法在求解优化问题时表现出的优越性能,提出FSSAC特征选择方法.新的初始化策略和评估函数使得SAC能将特征选择作为离散空间搜索问题来解决,利用特征子集的准确率指导SAC的采样阶段.在实验阶段,FSSAC结合SVM,J48和KNN分类器,通过UCI数据集完成验证,并与FSFOA,HGAFS,PSO等算法进行了比较.实验结果表明,FSSAC可以提高分类器的分类准确率,且具有良好的泛化性能.除此之外,对FSSAC和其他算法在特征空间维度缩减情况方面做了对比.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李占山	吉林大学符号计算与知识工程教育部重点实验室	43	234	7.0	13.0
2	张梦林	吉林大学计算机科学与技术学院	8	9	2.0	3.0