基于混合遗传算法与互信息分析的高维小样本特征选择

• 作者: 刘正 姚树春 张强
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 高维小样本数据 特征选择 互信息 遗传算法 过拟合问题 微阵列数据
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 算法
• 页码范围: 247-255
• 页数: 9页
• 分类号: TP391
• 字数: 7750字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.01.040

摘要

针对高维小样本数据特征选择冗余度高和过拟合的问题,提出一种基于混合遗传算法与互信息分析的高维小样本特征选择算法.对互信息理论与特征选择问题进行深入分析,利用互信息消除特征冗余度能力强的优点,推理出基于互信息的目标函数和优化的边界条件;设计混合的遗传算法来充分利用高维小样本数据集不同角度的属性数据,混合遗传算法设立主种群和次种群,在每次迭代中利用次种群的结果引导主种群的演化,从而缓解小样本数据带来的过拟合问题.基于医学数据集的对比实验结果表明,该算法有效地增强了遗传算法的稳定性和鲁棒性,并且实现了较好的特征选择效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘正	苏州工业园区服务外包职业学院信息工程学院	32	125	3.0	11.0
3	姚树春	苏州工业园区服务外包职业学院信息工程学院	27	59	5.0	6.0
6	张强		1	0	0.0	0.0