基于改进蝗虫优化算法的特征选择方法

发布时间：2021-05-16 17:49

　　针对传统蝗虫优化算法寻优精度低和收敛速度慢的问题,提出一种基于非线性调整策略的改进蝗虫优化算法.首先,利用非线性参数代替传统蝗虫算法中的递减系数,协调算法全局探索和局部开发能力,加快算法收敛速度;其次,引入自适应权重系数改变蝗虫位置更新方式,提高算法寻优精度;然后,结合limit阈值思想,利用非线性参数对种群中部分个体进行扰动,避免算法陷入局部最优.通过六个基准测试函数的仿真结果表明,改进算法的收敛速度和寻优精度均有明显提高.最后将改进算法应用于特征选择问题中,通过在七个数据集上的实验结果表明,基于改进算法的特征选择方法能够有效地进行特征选择,提高分类准确率. 

【文章来源】：南京大学学报(自然科学). 2020,56(01)北大核心CSCD

【文章页数】：10 页

【文章目录】：
1 蝗虫优化算法
2 基于非线性调整策略的改进蝗虫优化算法
    2.1 非线性递减系数
    2.2 自适应权重系数
    2.3 limit阈值
3 基于IGOA的特征选择方法
4 实验结果及分析
    4.1 IGOA算法性能测试
    4.2 基于IGOA的特征选择方法
5 结论


【参考文献】：
期刊论文
[1]改进的粒子群算法优化的特征选择方法[J]. 李炜,巢秀琴.  计算机科学与探索. 2019(06)
[2]基于曲线自适应和模拟退火的蝗虫优化算法[J]. 李洋州,顾磊.  计算机应用研究. 2019(12)
[3]改进粒子群联合禁忌搜索的特征选择算法[J]. 张震,魏鹏,李玉峰,兰巨龙,徐萍,陈博.  通信学报. 2018(12)
[4]基于Powell搜索的混沌鸡群优化算法[J]. 杨菊蜻,张达敏,何锐亮,张慕雪.  微电子学与计算机. 2018(07)



本文编号：3190130