基于改进量子进化算法的特征选择

• 作者: 吴春明 周丹
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 特征选择 量子进化算法 遗传算法 特征子集 特征维度
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 146-152
• 页数: 7页
• 分类号: TP18|TP391
• 字数: 6768字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1704-0008

摘要

特征选择作为一种数据预处理技术被广泛研究,由于其具有NP难度而一直无法找到有效的求解方法.鉴于目前在特征选择中应用较多的遗传算法存在进化机制上的局限,将量子进化算法应用于特征选择,提出了一种基于改进量子进化算法的特征选择算法.以增加种群多样性和提高寻优性能为目标改进了量子进化算法,以Fisher比和特征维度为特征子集的评价准则构造了适应度函数,按照量子进化算法求解优化问题的步骤设计了特征选择算法.使用UCI数据库中的数据集对三种算法作对比验证,通过识别重要特征、提高学习算法性能、特征选择效率三组实验,结果表明,该算法能够识别出重要特征,并随着数据集特征维度升高,特征选择的性能逐渐优于对比算法,到了高维数据集,特征选择效率明显优于对比算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周丹	浙江大学计算机系统结构研究所	23	118	5.0	10.0
3	吴春明	浙江大学计算机系统结构研究所	72	913	16.0	26.0