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:
传统的特征选择算法需要依靠大量的数据进行有监督训练,具有高维和小样本的属性,进而造成数据冗余,导致维数灾难.针对这一情况,提出一种基于蚁群优化的特征基因选择算法.该算法对传统的蚁群算法模型进行优化,改进蚁群算法的参数选择方法,利用特征对不同数据集的敏感度,寻找最优基因,滤除无关基因,将特征选择过程转化为蚁群寻找最优路径的过程.实验表明,该算法可以有效地对特征进行优化选择,在降低数据维数的同时,提高分类的准确性和时效性.
推荐文章
基于蚁群优化算法的基因选择
蚁群优化算法
基因选择
相关性
基于ReliefF和蚁群算法的特征基因选择方法
DNA微阵列数据
ReliefF算法
蚁群算法
特征选择
基于粗糙集与蚁群优化算法的特征选择方法研究
粗糙集理论
知识约简
特征选择
蚁群优化
基于蚁群算法的Web服务选择
蚁群算法
群智能
Web服务选择
服务质量
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 基于蚁群优化的特征基因选择算法
来源期刊 中州大学学报 学科 工学
关键词 蚁群算法 特征选择 优化 数据维数
年,卷(期) 2019,(6) 所属期刊栏目 数理工程技术研究
研究方向 页码范围 120-123
页数 4页 分类号 TP18
字数 3126字 语种 中文
DOI 10.13783/j.cnki.cn41-1275/g4.2019.06.022
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 侯远韶 河南工业贸易职业学院机电工程系 6 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (58)
共引文献  (313)
参考文献  (12)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(6)
  • 参考文献(0)
  • 二级参考文献(6)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(8)
  • 参考文献(0)
  • 二级参考文献(8)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(6)
  • 参考文献(1)
  • 二级参考文献(5)
2008(4)
  • 参考文献(1)
  • 二级参考文献(3)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(3)
  • 参考文献(1)
  • 二级参考文献(2)
2011(2)
  • 参考文献(1)
  • 二级参考文献(1)
2012(3)
  • 参考文献(1)
  • 二级参考文献(2)
2013(5)
  • 参考文献(0)
  • 二级参考文献(5)
2014(3)
  • 参考文献(0)
  • 二级参考文献(3)
2015(6)
  • 参考文献(2)
  • 二级参考文献(4)
2016(2)
  • 参考文献(0)
  • 二级参考文献(2)
2017(2)
  • 参考文献(1)
  • 二级参考文献(1)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(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)
研究主题发展历程
节点文献
蚁群算法
特征选择
优化
数据维数
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
中州大学学报
双月刊
1008-3715
41-1275/G4
大16开
郑州市惠济区英才街6号
1984
chi
出版文献量(篇)
3872
总下载数(次)
5
论文1v1指导