混合互信息和粒子群算法的多目标特征选择方法*

• 作者: 李炜 王金杰
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 多目标优化 特征选择 互信息(MI) 粒子群算法(PSO) 帕累托前沿面 外部文档
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 人工智能
• 页码范围: 83-95
• 页数: 13页
• 分类号: TP18
• 字数: 9806字
• 语种: 中文

摘要

在数据挖掘中,由于数据集中含有大量的冗余和不相关的特征,因此特征选择是一个重要的预处理过程.提出了一个基于混合互信息和粒子群算法的过滤式-封装式的多目标特征选择方法(HMIPSO).根据粒子的pbest距离上次更新的迭代次数,提出了自适应突变策略去扰动种群,避免种群陷入局部最优.同时基于帕累托前沿面和外部文档提出了一个新的集合概念.结合互信息和新的集合知识提出了一个局部搜索策略,使得帕累托前沿面中的粒子可以删除不相关和冗余的特征,然后通过精英策略更新学习前和学习后的帕累托前沿面.最后将提出的算法和另外4种多目标算法在15个UCI数据集上进行了测试,实验结果表明提出的算法能够更好地降低特征个数和分类错误率.

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	安徽大学计算智能与信号处理重点实验室	69	399	12.0	14.0
2	王金杰	安徽大学计算机科学与技术学院	1	1	1.0	1.0