| 基于改进的哈里斯鹰优化算法的特征选择 |
| |
| 作者姓名： | 赵小强 强睿儒 |
| |
| 作者单位： | 1.兰州理工大学 电气工程与信息工程学院, 甘肃 兰州 730050;
2.兰州理工大学 甘肃省工业过程先进控制重点实验室, 甘肃 兰州 730050;
3.兰州理工大学 国家级电气与控制工程实验教学中心, 甘肃 兰州 730050 |
| |
| 基金项目： | 国家自然科学基金(62263021),甘肃省教育厅产业支撑计划项目(2023CYZC-24) |
| |
| 摘 要： | 特征选择是一项旨在通过移除不相关、冗余的数据来减少特征数量,同时可以保持较高的分类精度的机器学习任务.针对哈里斯鹰优化算法(HHO)不能在离散的特征空间进行特征选择,以及算法后期种群多样性减少、易陷入局部最优等问题,提出了基于改进的哈里斯鹰的特征选择算法.首先使用混沌映射初始种群多样化,以确保在种群质量较优的前提下能够均匀分布于搜索空间;其次,通过引入高斯变异算子对兔子的位置进行重新更新,以避免算法陷入局部最优;最后设计二次优化算法的二进制版本并将其应用于基于KNN分类器的包裹式特征选择问题中.通过在18个经典的UCI数据集进行特征选择仿真实验,结果显示该算法在适应度值、平均分类准确度以及平均特征选择数量上比其他主流算法都能获得更好的结果,从而表明该算法能够进行有效的提取特征子集和得到更准确的数据分类,并能够实现更高的寻优精度.
|
| 关 键 词： | 包裹式特征选择 哈里斯鹰优化算法 混沌映射 高斯变异 |
| 收稿时间： | 2021-11-23 |
|
| 点击此处可从《兰州理工大学学报》浏览原始摘要信息 |
|
点击此处可从《兰州理工大学学报》下载全文 |
|
