基于K近邻和粒子群优化的特征选择算法

• 作者: 钟昌康
• 来源期刊: 现代计算机
• 关键词: 特则选择 粒子群 数据挖掘 K近邻算法
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 研究与开发
• 页码范围: 21-24,40
• 页数: 5页
• 字数: 3789字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2020.09.005

摘要

在数据挖掘和机器学习领域,维度灾难会降低学习任务的性能,增加学习任务训练时间,而维度灾难最主要的原因是高维数据中冗余特征的存在.特征选择可以提出数据中的冗余特征,降低数据维度,加快模型训练速度并提高性能.在研究粒子群和K近邻算法之后,将两者结合起来提出一个基于K近邻和粒子群优化的特征选择算法,并在5个UCI数据集上验证算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钟昌康	四川大学计算机学院	1	0	0.0	0.0