量子化信息素蚁群优化特征选择算法

• 作者: 俞寅 刘兆赓 李占山 鄢文浩
• 来源期刊: 东北大学学报（自然科学版）
• 学科: 工学
• 关键词: 特征选择 蚁群优化 信息素 量子化 启发式策略
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 信息与控制
• 页码范围: 17-22
• 页数: 6页
• 分类号: TP18
• 字数: 4923字
• 语种: 中文
• DOI: 10.12068/j.issn.1005-3026.2020.01.004

摘要

蚁群优化算法凭借其正反馈机制和强大的搜索能力被广泛地应用于各类优化问题求解上.本文试图将蚁群优化算法应用于特征选择领域并提出了新的量子化信息素蚁群优化(quantized pheromone ant colony optimization,QPACO)特征选择算法.相比于其他基于蚁群优化算法的特征选择算法,QPACO算法中采用了量子化信息素的启发式策略,改变了传统的信息素更新策略,因此避免了在搜索特征时的局部最优问题.实验采用了KNN分类器来指导学习过程,利用源于UCI数据库的多组数据集进行了相关的测试,实验结果表明,QPACO算法在分类精度、精确率、召回率和维度缩减率等方面均具有良好的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李占山	吉林大学计算机科学与技术学院	43	234	7.0	13.0
5	刘兆赓	吉林大学软件学院	2	5	1.0	2.0
6	俞寅	吉林大学软件学院	1	0	0.0	0.0
7	鄢文浩	吉林大学软件学院	1	0	0.0	0.0