排序方式: 共有1条查询结果,搜索用时 46 毫秒
1
1.
针对数据挖掘和模式识别等领域的高维数据降维问题,提出了一种基于抗体克隆选择学说和免疫记忆理论的特征选择算法.该算法利用抗体种群进行全局搜索,通过设立记忆单元来保留历史最好个体,并对其嵌入可控制搜索深度的局部搜索算子,用以加快抗体亲和力成熟速度,同时对抗体种群和记忆单元采用不同的亲和度函数以获得更好的搜索能力.将该算法用于几个高维数据集进行特征子集选择,然后进行最近邻分类并采用留一法验证,结果表明,与标准遗传算法相比,新算法具有更低的复杂度和更好的搜索能力,其鲁棒性也优于经典的串行浮点前向搜索算法. 相似文献
1