基于加权社区检测与增强人工蚁群算法的高维数据特征选择

• 作者: 巫红霞 谢强
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 高维数据 大数据 特征选择 数据分析 社区检测 人工蚁群算法
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 算法
• 页码范围: 285-292,301
• 页数: 9页
• 分类号: TP391
• 字数: 7344字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.09.050

摘要

为了提高高维数据特征选择的时间效率、降低特征选择的冗余度与不相关性,提出一种基于加权社区检测与增强人工蚁群算法的高维数据特征选择算法.设计加权的社区检测算法,将特征相似性作为社区划分的模块度,根据特征判别力为社区分配不同的权重;通过人工蚁群算法并行地处理每个特征分类,将每个特征分类按优劣程度组成队列;选出每个队列的top-k特征子集做全局比较,提取全局最优的特征子集.仿真实验结果表明,该算法对于高维数据集实现了较好的特征提取结果,并且实现了合理的时间成本.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢强	南京航空航天大学计算机科学与技术学院	89	1015	18.0	27.0
2	巫红霞	镇江市高等专科学校装备制造学院	7	9	2.0	2.0