基于模拟退火斑点鬣狗优化算法的特征选择

• 作者: 姜子超 孙康健 彭晓旭 李瑶 李金夺 贾鹤鸣
• 来源期刊: 应用科技
• 学科: 工学
• 关键词: 混合元启发式算法 斑点鬣狗优化 模拟退火 特征选择 数据集 分类 K近邻 二进制
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 自动化技术
• 页码范围: 74-79
• 页数: 6页
• 分类号: TP391.1
• 字数: 4399字
• 语种: 中文
• DOI: 10.11991/yykj.201909001

摘要

特征选择问题是一个基于某些标准找到最相关子集的过程,针对特征选择中的评价标准,设计了一种将斑点鬣狗优化(spotted hyena optimization,SHO)算法与模拟退火算法(simulated annealing,SA)相结合的混合模型来解决上述问题,以增强每次迭代后SHO找到的最优解,并通过UCI存储库中的8个数据集来评估优化算法的性能.实验结果表明:SASHO混合算法的表现不仅优于原始SHO算法,而且与其他优化算法相比,提高了分类精度并减少了所选特征的个数,在空间搜索和特征属性选择方面具有一定的工程实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾鹤鸣	东北林业大学机电工程学院	126	543	13.0	18.0
2	李金夺	东北林业大学机电工程学院	14	13	3.0	3.0
3	彭晓旭	东北林业大学机电工程学院	17	14	3.0	3.0
4	姜子超	东北林业大学机电工程学院	4	0	0.0	0.0
5	李瑶	东北林业大学机电工程学院	7	0	0.0	0.0
6	孙康健	东北林业大学机电工程学院	6	1	1.0	1.0