基于粗糙集和果蝇优化算法的特征选择方法

发布时间：2024-05-08 02:41

　　特征选择是模式识别领域重要的数据预处理步骤之一,旨在从原始特征集合中选出最有效的特征子集使得给定评价准则达到最优。为此,文中提出了一种基于粗糙集和果蝇优化算法的特征选择方法。该方法基于一种新的双策略进化果蝇优化算法进行特征子集的迭代寻优,并结合粗糙集属性依赖度和属性重要性构造适应度函数对所选特征子集进行评估,既可以在全局范围内尽可能多地搜索出重要的特征,又能选出对决策最具有贡献的有效特征子集。在UCI数据集上的实验结果表明,提出的特征选择方法可以有效地搜索出具有最少信息损失的特征子集,并达到较高的分类精度。

【文章页数】：8 页

【部分图文】：

图1-1论文组织结构图

西南交通大学硕士研究生学位论文4章，介绍基于粗糙集和改进的果蝇优化算法的特征选择方法的原理实验及结果分析。5章，介绍了利用Spark云平台设计的基于粗糙集和改进的果蝇优化择方法的原理、算法实现和相关实验及结果分析。6章，给出了集成本文所研究内容算法和实验的可视化操作系统....

图6-4FOA算法模块-2

图6-4FOA算法模块-26.2.2特征选择算法模块该模块对应第4章研究内容相关特征选择算法，主要集成了基于FOA算法的特征选择方法、基于PSO算法的特征选择方法、基于CFOA算法的特征选择方法和本文基于粗糙集和改进的果蝇优化算法的特征选择方法。可操作功能....

本文编号：3967375