-
题名进化双层自适应局部特征选择
- 1
-
-
作者
高麟
周宇
邝得互
-
机构
深圳大学计算机与软件学院
岭南大学电脑及决策科学系
-
出处
《计算机应用》
CSCD
北大核心
2024年第5期1408-1414,共7页
-
基金
国家自然科学基金资助项目(61702336)
深圳市科创委基础研究课题(JCYJ20220810112354002)。
-
文摘
局部特征选择(LFS)方法将样本空间划分为多个局部区域,并为每个区域选择最优特征子集以反映局部异质信息。然而,现有的LFS方法以每个样本为中心划分局部区域并找到最优特征子集,导致优化效率低下且适用场景受限。为了解决这个问题,提出一种进化双层自适应局部特征选择(BiLFS)算法。LFS问题被建模为双层优化问题,特征子集和待优化局部区域是该问题的两个决策变量。在问题的上层,使用非支配排序遗传算法-Ⅱ求解被选择的局部区域的最优特征子集,区域纯度和被选择特征比率是目标函数;在问题的下层,根据上层求解的最优特征子集,首先使用局部区域聚类分析得到区域内的中心样本,然后通过局部区域融合消除非必要区域并更新必要区域的种群。在11个UCI数据集上的测试结果表明,相较于基于进化算法的非自适应LFS方法,BiLFS的平均分类准确率达到前者的98.48%,而平均所需计算用时仅为前者的9.51%,运算效率得到大幅提升,且达到基于线性规划的LFS方法的水准。对迭代过程中BiLFS算法选择的用于优化的局部区域进行可视化分析,结果表明,BiLFS选择必要局部区域具有稳定性和可靠性。
-
关键词
特征选择
双层优化
遗传算法
多目标优化
聚类
-
Keywords
Feature Selection(FS)
bi-level optimization
Genetic Algorithm(GA)
multi-objective optimization
clustering
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
