摘要
对网络数据特征进行有效选择,可提高网络数据分类性能。由于随着网络数据量的增加,使得网络数据特征种类过多。传统的网络数据特征选择方法,主要通过对网络数据特征进行二次选择,获得高精度特征,但是全局搜索能力差,导致网络数据特征选择准确度低的问题。提出自适应遗传算法与蚁群算法相融合的特征选择方法。利用遗传算法的快速随机的全局搜索能力,生成初始信息素,再通过蚁群算法对特征进行二次选择,以获得高精度的特征子集,最终对取得的最优解进行解码操作,实现网络数据特征选择的优化。仿真结果表明,改进算法可以提高网络数据特征选择速度。
In this paper, we propose a feature selection method which integrates adaptive genetic algorithm with ant colony algorithm. Firstly, we used the rapid and random global searching ability of genetic algorithm to generate the initial pheromone. Then, we used ant colony algorithm for the secondary selection of features to obtain the feature subset with high precision. Finally, we decoded optimum solution to achieve the optimization of feature selection. The simulation results show that the modified method can improve selection rate of network data feature apparently.
出处
《计算机仿真》
北大核心
2017年第2期367-370,共4页
Computer Simulation
关键词
特征选择
自适应遗传算法
蚁群算法
文本特征
Feature selection
Adaptive genetic algorithm
Ant colony algorithm
Text characteristic
