人工蜂群算法优化的特征选择方法

• 作者: 巢秀琴 李炜
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 多目标人工蜂群算法 特征选择 Knee Points 分类算法
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 300-309
• 页数: 10页
• 分类号: TP751
• 字数: 7798字
• 语种: 中文

摘要

在分类问题中,数据之间存在的大量冗余、不相关的特征不仅不能增加分类准确率,反而会降低分类算法执行的速度.特征选择通过最大化分类正确率和最小化特征数来解决这个问题,由于这是两个相互矛盾的目标,因此可以将特征选择问题视为一种多目标优化问题.为了提升特征选择的效率,提出了一种基于Knee Points的改进多目标人工蜂群算法的特征选择方法(artificial bee colony algorithm based on Knee Points, KnABC),设计了一种快速识别Knee Points的方法,并改进了引领蜂和引领蜂算子.与其他经典多目标算法在11个UCI测试数据集上的特征选择实验结果表明,提出的算法在减小分类特征数、增大分类结果准确率方面具有显著效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李炜	安徽大学计算机科学与技术学院	69	399	12.0	14.0
2	巢秀琴	安徽大学计算智能与信号处理重点实验室	1	6	1.0	1.0