基于SHO-SA算法的案例推理预测模型特征权重优化

• 作者: 严爱军 丁凯
• 来源期刊: 北京工业大学学报
• 学科: 交通运输
• 关键词: 案例推理 案例检索 特征权重 自私牧群优化 模拟退火 分配权重
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 研究论文|Articles
• 页码范围: 355-366
• 页数: 12页
• 分类号: U461|TP308
• 语种: 中文
• DOI: 10.11936/bjutxb2020090007

摘要

针对案例推理(case-based reasoning,CBR)检索过程中特征权重的分配结果直接影响CBR预测模型性能的问题,提出了一种基于自私牧群优化-模拟退火(selfish herd optimizer-simulated annealing,SHO-SA)算法的特征权重优化分配方法.首先,将CBR预测模型的均方根误差定义为SHO算法和SA算法中权重寻优的适应度;然后,通过SHO算法的牧群运动、捕食及恢复等步骤得到种群内最小均方根误差所对应的权重;最后,采用SA算法对上述权重进行随机搜索,从而获得特征权重的近似最优解.采用加州大学欧文分校(University of California Irvine,UCI)数据集中的5个标准回归数据集进行实验,结果表明该方法与一些典型的优化方法相比可以显著提高CBR预测模型的精度,说明SA算法能够改善SHO算法陷入局部最优的问题.