-
题名离散型增强烟花算法和kNN在特征选择中的研究
被引量：4
- 1
-
-
作者
黄欣
莫海淼
赵志刚
曾敏
-
机构
广西农业职业技术学院信息与机电工程系
合肥工业大学管理学院计算机网络系统研究所
广西大学计算机与电子信息学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2020年第16期112-117,共6页
-
基金
国家自然科学基金(No.61363067)
广西2016年度中青年教师基础能力提升项目(No.KY2016YB684)。
-
文摘
特征选择是从原始特征集中选取特征子集,并且降低特征维度和减少冗余信息,从而达到提高分类准确度的效果。为了达到此效果,提出了新的特征选择算法。该算法使用经过离散化处理之后的增强烟花算法来搜索特征子集,同时将特征子集和经过惩罚因子处理之后约束条件融入到目标函数中,然后将搜索到的特征子集的数据放到kNN分类器进行训练和预测,最后使用十折交叉验证来检验分类的准确性。使用UCI数据进行仿真实验,仿真结果表明:与引导型烟花算法、烟花算法、蝙蝠算法、乌鸦算法、自适应粒子群算法相比,所提算法的总体性能优于其他五种算法。
-
关键词
离散型增强烟花算法
特征选择
降维
分类
k近邻(kNN)
-
Keywords
discrete enhanced fireworks algorithm
feature selection
dimension reduction
classification
k-Nearest Neighbor(kNN)
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名基于自适应烟花算法和k近邻算法的特征选择算法
被引量：6
- 2
-
-
作者
黄欣
莫海淼
赵志刚
-
机构
广西农业职业技术学院信息与机电工程系
合肥工业大学管理学院计算机网络系统研究所
广西大学计算机与电子信息学院
-
出处
《计算机应用与软件》
北大核心
2020年第5期268-274,共7页
-
基金
国家自然科学基金项目(61363067)
广西2016年度中青年教师基础能力提升项目(KY2016YB684)。
-
文摘
特征选择是从原始特征集中选取若干个特征子集,并降低数据维度和减少冗余信息,从而达到提高分类准确度的效果。为了达到此效果,将自适应烟花算法进行离散化处理,使用k近邻算法作为分类器,并提出新的特征选择算法。将特征子集引入目标函数,并使用惩罚因子来处理约束条件,采用十折交叉验证法来检验分类效果。使用机器学习常用的UCI数据集进行仿真实验,结果表明:与增强烟花算法、烟花算法、蝙蝠算法、粒子群算法和自适应粒子群算法相比,该算法的性能更优。
-
关键词
自适应烟花算法
特征选择
分类
K近邻算法
十折交叉验证
-
Keywords
Adaptive fireworks algorithm(AFWA)
Feature selection
Classification
K-nearest neighbor(kNN)algorithm
10-fold cross validation
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
